วิธีการใหม่ใช้ AI เพื่อเพิ่มเทคโนโลยีการถอดเสียงเชิงพื้นที่
นักวิจัยจากคณะวิทยาการคอมพิวเตอร์แห่งมหาวิทยาลัยคาร์เนกีเมลลอนได้พัฒนาวิธีการที่ใช้ปัญญาประดิษฐ์เพื่อเพิ่มวิธีการศึกษาเซลล์ และช่วยให้นักวิทยาศาสตร์เข้าใจได้ดีขึ้นและรักษาโรคได้ในที่สุดภาพตัวอย่างอวัยวะหรือเนื้อเยื่อประกอบด้วยเซลล์หลายล้านเซลล์ และในขณะที่การวิเคราะห์เซลล์เหล่านี้ในแหล่งกำเนิดเป็นส่วนสำคัญของการวิจัยทางชีววิทยา เล่นบาคาร่า ภาพดังกล่าวทำให้แทบจะเป็นไปไม่ได้เลยที่จะระบุเซลล์แต่ละเซลล์ กำหนดหน้าที่และทำความเข้าใจองค์กร เทคนิคที่เรียกว่าการถอดเสียงเชิงพื้นที่ทำให้เซลล์เหล่านี้เป็นจุดสนใจโดยการรวมภาพเข้ากับความสามารถในการหาปริมาณระดับของยีนในแต่ละเซลล์ -; ทำให้นักวิจัยสามารถศึกษารายละเอียดเกี่ยวกับกลไกทางชีววิทยาที่สำคัญหลายประการ ตั้งแต่วิธีที่เซลล์ภูมิคุ้มกันต่อสู้กับมะเร็ง ไปจนถึงผลกระทบต่อเซลล์ของยาและความชรา

แพลตฟอร์มการถอดเสียงเชิงพื้นที่ในปัจจุบันจำนวนมากยังขาดความละเอียดที่จำเป็นสำหรับการวิเคราะห์ที่ละเอียดและใกล้ชิดยิ่งขึ้น เทคโนโลยีเหล่านี้มักจะจัดกลุ่มเซลล์เป็นคลัสเตอร์ที่มีตั้งแต่หลายเซลล์จนถึง 50 เซลล์สำหรับการวัดแต่ละครั้ง ความละเอียดที่อาจเพียงพอสำหรับเซลล์ขนาดใหญ่ที่มีการแสดงดี แต่เป็นปัญหาสำหรับเซลล์ขนาดเล็กหรือเซลล์ที่ไม่ได้เป็นตัวแทนที่ดี เซลล์หายากเหล่านี้อาจมีความสำคัญที่สุดสำหรับโรคหรือสภาวะที่กำลังศึกษาอยู่ในเอกสารฉบับใหม่ที่ตีพิมพ์ในNature Methodsนักวิจัยภาควิชาชีววิทยาการคำนวณ Hao Chen, Dongshunyi Li และ Ziv Bar-Joseph เปิดเผยวิธีการที่ใช้ปัญญาประดิษฐ์เพื่อเพิ่มเทคโนโลยีการถอดเสียงเชิงพื้นที่ล่าสุดการวิจัยของ CMU มุ่งเน้นไปที่เทคโนโลยีล่าสุดที่สร้างภาพในระดับที่ใกล้เคียงมากขึ้น ทำให้สามารถมีความละเอียดระดับเซลล์ย่อย (หรือการวัดหลายค่าต่อเซลล์) แม้ว่าเทคนิคเหล่านี้จะแก้ปัญหาความละเอียดได้ แต่ก็นำเสนอความท้าทายใหม่ๆ เนื่องจากภาพที่ได้เป็นภาพระยะใกล้มาก ซึ่งแทนที่จะจับเซลล์ 15 ถึง 50 เซลล์ต่อภาพ กลับจับยีนได้เพียงไม่กี่ยีนเท่านั้น การย้อนกลับของปัญหาก่อนหน้านี้สร้างความยากลำบากในการระบุส่วนประกอบแต่ละส่วนและกำหนดวิธีจัดกลุ่มการวัดเหล่านี้เพื่อเรียนรู้เกี่ยวกับเซลล์เฉพาะ มันยังบดบังภาพรวม

อัลกอริทึมที่พัฒนาโดยนักวิจัยของ CBD เรียกว่า subcellular spatial transcriptomics cell segmentation (SCS) ควบคุม AI และโครงข่ายประสาทเทียมเชิงลึกขั้นสูงเพื่อระบุเซลล์และส่วนประกอบของพวกมันอย่างปรับเปลี่ยนได้ SCS ใช้โมเดลหม้อแปลง คล้ายกับที่ใช้โดยโมเดลภาษาขนาดใหญ่ เช่น ChatGPT เพื่อรวบรวมข้อมูลจากพื้นที่โดยรอบการวัดแต่ละครั้ง เช่นเดียวกับที่ ChatGPT ใช้บริบททั้งหมดของประโยคหรือย่อหน้าเพื่อเติมคำ วิธี SCS จะเติมข้อมูลที่ขาดหายไปสำหรับการวัดค่าหนึ่งๆ โดยรวมข้อมูลจากเซลล์ที่อยู่รอบๆเมื่อนำไปใช้กับภาพตัวอย่างสมองและตับที่มีเซลล์นับแสนเซลล์ SCS จะระบุตำแหน่งและประเภทของเซลล์แต่ละเซลล์ได้อย่างแม่นยำ SCS ยังระบุเซลล์หลายเซลล์ที่ไม่ได้รับจากแนวทางการวิเคราะห์ในปัจจุบัน เช่น เซลล์ขนาดเล็กและหายากที่อาจมีบทบาทสำคัญในโรคหรือกระบวนการเฉพาะ รวมถึงความชรา SCS ยังให้ข้อมูลเกี่ยวกับตำแหน่งของโมเลกุลภายในเซลล์ ซึ่งช่วยปรับปรุงความละเอียดที่นักวิจัยสามารถศึกษาการจัดระเบียบของเซลล์ได้อย่างมาก

ความสามารถในการใช้ความก้าวหน้าล่าสุดของ AI เพื่อช่วยในการศึกษาร่างกายมนุษย์จะเปิดประตูไปสู่การประยุกต์ใช้ทรานสคริปโตมิกส์เชิงพื้นที่แบบดาวน์สตรีมเพื่อปรับปรุงสุขภาพของมนุษย์"Ziv Bar-Joseph ศาสตราจารย์ด้านระบบ FORE ด้าน Machine Learning และ Computational Biology ที่ CMUSLAS EU - ไฮไลท์จาก eBook ปี 2022 รวบรวมบทสัมภาษณ์ บทความ และข่าวสารชั้นนำในปีที่ผ่านมาดาวน์โหลดฉบับล่าสุดแอปพลิเคชันปลายน้ำดังกล่าวกำลังได้รับการตรวจสอบโดยกลุ่มบริษัทขนาดใหญ่หลายแห่ง รวมถึง Human BioMolecular Atlas Program (HuBMAP) ซึ่งใช้การถอดเสียงเชิงพื้นที่เพื่อสร้างแผนที่ 3 มิติโดยละเอียดของร่างกายมนุษย์"ด้วยการผสานรวมเทคโนโลยีชีวภาพที่ล้ำสมัยและ AI SCS ช่วยไขข้อสงสัยหลายข้อเกี่ยวกับการจัดระเบียบเซลล์ที่เป็นกุญแจสำคัญต่อความสามารถของเราในการทำความเข้าใจและรักษาโรคในท้ายที่สุด" Hao Chen, a Lane Postdoctoral Fellow in CBD กล่าวSCS ใช้งานได้ฟรีบน GitHub และได้รับการสนับสนุนจากสถาบันสุขภาพแห่งชาติและมูลนิธิวิทยาศาสตร์แห่งชาติ กระดาษ "SCS: การแบ่งส่วนเซลล์สำหรับ Transcriptomics เชิงพื้นที่ความละเอียดสูง" มีอยู่ในNature Methods