Videnskab
 Science >> Videnskab >  >> Biologi

Forskere udvikler nyt AI-værktøj til hurtig og præcis vævsanalyse for at understøtte opdagelse og diagnostik af lægemidler

BANKSY's nabolagsbaserede funktionsforøgelsesstrategi til klyngedannelse. Kredit:Nature Genetics (2024). DOI:10.1038/s41588-024-01664-3

Et team af forskere fra A*STAR's Genome Institute of Singapore (GIS) og Bioinformatics Institute (BII) har udviklet et nyt AI-softwareværktøj kaldet "BANKSY", der automatisk genkender celletyperne i et væv, såsom muskelceller, nerveceller , og fedtceller.



For at gå et skridt videre end konventionelle AI-værktøjer, som kan gruppere celler i klynger, hvis de indeholder lignende molekyler, overvejer BANKSY også, hvor ens cellernes omgivelser i vævet er.

Med BANKSY ville forskerne hurtigere og mere præcist kunne forbedre deres forståelse af vævsprocesser i forskellige sygdomme, hvilket kan understøtte udviklingen af ​​mere effektiv diagnostik og behandling af kræft, neurologiske lidelser og andre sygdomme. Denne forskning blev publiceret i artiklen "BANKSY forener celletypning og vævsdomænesegmentering for skalerbar rumlig omics dataanalyse" i Nature Genetics .

BANKSY er dygtig til at identificere subtilt adskilte cellegrupper i rumlige molekylære profiler genereret fra vævsprøver. Desuden adresserer BANKSY det distinkte men relaterede problem med at afgrænse funktionelt adskilte anatomiske områder i vævssnit. For eksempel kan den skelne lagdelte strukturer i den menneskelige forhjerne.

Teknologier til rumlig molekylær profilering (Spatial Omics) er kraftfulde mikroskoper, der gør det muligt for forskere at studere væv meget detaljeret ved at afsløre de nøjagtige placeringer af individuelle biologiske molekyler i celler såvel som arrangementet af celler i væv.

Dette hjælper dem med at forstå, hvordan celler samles i væv for at udføre deres normale fysiologiske funktioner, og også hvordan de opfører sig (eller opfører sig forkert) i sygdomme som kræft, autisme eller infektionssygdomme såsom COVID-19. Denne forståelse er afgørende for mere præcis diagnose og skræddersyet behandling af patienter samt opdagelsen af ​​nye lægemidler.

BANKSY er skalerbar til store datasæt og hurtigere end eksisterende rumlige metoder. Kørselstider af BayesSpace, FICT, Giottos HMRF-modul, GraphST, MERINGUEs rumlige klyngemodul, SpaGCN, SpiceMix, STAGATE, nonspatial klyngedannelse (Seurat) og BANKSY til at øge celleantal, op til 2 millioner celler. Alle metoder blev benchmarket på en 16-CPU 128-GB maskine. Kørselstider vises op til det maksimale celleantal, som hver metode rummer, med en cutoff på 16 timer. Kredit:Nature Genetics (2024). DOI:10.1038/s41588-024-01664-3

BANKSY kan hjælpe biologer med at fortolke og uddrage indsigt fra de nyeste Spatial Omics-teknologier, der er dukket op i løbet af de sidste par år. Alsidig, præcis, hurtig og skalerbar, BANKSY skiller sig ud fra eksisterende metoder til at analysere både RNA- og proteinbaserede Spatial Omics-data.

I stand til at håndtere store datasæt på over to millioner celler, er BANKSY 10 til 1.000 gange hurtigere end konkurrerende metoder, der blev testet, og to til 60 gange mere skalerbar. Dette betyder, at metoden også kan anvendes til andre vigtige databehandlingstrin, såsom at opdage og fjerne områder af dårlig kvalitet af prøven og sammensmelte prøver taget fra forskellige patienter til kombineret analyse.

BANKSY er blevet uafhængigt benchmarked og fundet at være den bedst ydende algoritme for rumlige omics data af to uafhængige undersøgelser, hvoraf den ene konkluderede, at BANKSY kunne være en effektiv løsning til identifikation af domæner. Den anden undersøgelse testede seks algoritmer og valgte BANKSY som den mest nøjagtige til deres dataanalyse.

Dr. Shyam Prabhakar, Senior Group Leader ved Laboratory of Systems Biology and Data Analytics og Associate Director for Spatial and Single Cell Systems ved A*STAR's GIS, sagde:"Vi forventer, at BANKSY vil være et spilskiftende værktøj, der hjælper med at låse op. potentialet i nye Spatial Omics-teknologier."

"Dette vil forhåbentlig forbedre vores forståelse af vævsprocesser i forskellige sygdomme, hvilket giver os mulighed for at udvikle mere effektive behandlinger for kræftformer, neurologiske lidelser og mange andre patologier."

Professor Liu Jian Jun, fungerende administrerende direktør hos A*STAR's GIS, sagde:"Arbejdet på BANKSY fremmer vores strategi med at kombinere high-throughput-teknologier med skalerbar, robust AI-software til problemløsning og identifikation af sporene til, hvad der kan gøre en forskel i patienternes liv."

Dr. Iain Tan, seniorkonsulent, afdeling for medicinsk onkologi ved National Cancer Center Singapore og senior klinikerforsker ved A*STAR's GIS Laboratory of Applied Cancer Genomics, sagde:"Vi bruger BANKSY til at identificere de celler, der hjælper tumorer med at vokse og sprede sig til andre dele af kroppen - lægemidler rettet mod sådanne celler kunne være en lovende retning for kræftbehandling."

Flere oplysninger: Vipul Singhal et al., BANKSY forener celletypebestemmelse og vævsdomænesegmentering til skalerbar rumlig omics dataanalyse, Nature Genetics (2024). DOI:10.1038/s41588-024-01664-3

Journaloplysninger: Naturgenetik

Leveret af Agency for Science, Technology and Research (A*STAR), Singapore