Учёные Stanford создали ИИ-модель для сравнения клеток 12 видов организмов

Исследователи из Stanford Medicine разработали две новые модели искусственного интеллекта для анализа клеток. Первая модель, universal cell embedding, подготовила основу для второго поколения — TranscriptFormer. Работа опубликована в журналах Nature и Science.

На каких данных обучена модель

TranscriptFormer обучена на данных 112 миллионов клеток из 12 видов организмов. В список вошли: дрожжи, люди, мыши, кролики, куры, данио-рерио (zebrafish), дрозофилы (плодовые мухи), африканская когтистая лягушка, паразит, вызывающий малярию, морской ёж, губка и круглый червь Caenorhabditis elegans.

Как работает ИИ-модель

Модель обучена на профилях экспрессии генов — данных о том, какие гены активны в каждой клетке. Принцип обучения аналогичен большим языковым моделям типа ChatGPT: алгоритм учится предсказывать недостающие значения экспрессии генов, пока не достигает высокой точности. В результате создаётся «универсальное математическое пространство», где можно сравнивать клетки разных организмов и видеть их взаимосвязи.

Что показала модель о эволюции клеток

TranscriptFormer помогла раскрыть эволюционные связи между видами. Например, учёные давно спорили, какая клетка губки наиболее близка к нейрону других животных. Модель показала, что клетка губки, называемая хоаноцитом, имеет профиль экспрессии генов, похожий на нейроны круглого червя и лягушки. Это помогает понять эволюцию нервной системы.

Другая клетка губки, названная нейроидной за сходство с нейронами, на самом деле имеет профиль экспрессии генов, более похожий на железистые клетки лягушки, что позволяет предположить её роль в пищеварении.

Практическое применение

Модель может определять типы клеток в видах, на которых она не обучалась. Кроме того, TranscriptFormer способна различать здоровые и больные клетки. По словам профессора биоинженерии Стивена Квейка, в будущем модель может помочь в разработке новых клеточных терапий, позволяя предсказывать функциональные клетки, которые пока не существуют в природе.

Масштаб данных

Объём информации о десятках тысяч генов для сотен миллионов клеток из разных видов настолько велик, что человеческий мозг не может обработать его без помощи алгоритмов. Квейка отметил: «Эти модели помогают нам это делать. Алгоритмы — это способ понять очень сложные данные, которые люди не могут осмыслить».

К работе над исследованием привлекались специалисты Chan Zuckerberg Initiative и BioHub. Соавторы статьи в Nature — докторант Янай Розен и Юсуф Рухани, ныне директор по машинному обучению в Arc Institute.