Une nouvelle méthode d'apprentissage automatique améliore notre compréhension de l'identité cellulaire

Par Carnegie Mellon University17 mars 2023

L'identité cellulaire fait référence aux caractéristiques et propriétés uniques qui distinguent un type de cellule d'un autre au sein d'un organisme. Cette identité est déterminée par l'expression de gènes spécifiques, qui contrôlent la production de protéines qui confèrent aux cellules leurs fonctions et structures particulières.

L'activation et l'expression des gènes révèlent des similitudes dans les modèles cellulaires basés sur le type et la fonction dans les tissus et les organes. La compréhension de ces modèles améliore notre compréhension des cellules et offre un aperçu de la découverte des mécanismes sous-jacents des maladies.

L'émergence des technologies de transcriptomique spatiale a permis aux scientifiques d'examiner l'expression des gènes dans le contexte d'échantillons de tissus dans leur ensemble. Cependant, de nouvelles techniques informatiques sont nécessaires pour traiter ces informations et faciliter l'identification et la compréhension de ces modèles d'expression génique.

A research team led by Jian Ma, the Ray and Stephanie Lane Professor of Computational Biology in Carnegie Mellon University's School of Computer Science, has developed a machine learningMachine learning is a subset of artificial intelligence (AI) that deals with the development of algorithms and statistical models that enable computers to learn from data and make predictions or decisions without being explicitly programmed to do so. Machine learning is used to identify patterns in data, classify data into different categories, or make predictions about future events. It can be categorized into three main types of learning: supervised, unsupervised and reinforcement learning." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]"> outil d'apprentissage automatique pour combler cette lacune. Leur article sur la méthode, appelé SPICEMIX, est récemment apparu en couverture de Nature Genetics.

SPICEMIX aide les chercheurs à démêler le rôle que jouent différents modèles spatiaux dans l'expression génique globale des cellules dans des tissus complexes comme le cerveau. Pour ce faire, il représente chaque modèle avec des métagènes spatiaux – des groupes de gènes qui peuvent être liés à un processus biologique spécifique et peuvent afficher des modèles lisses ou sporadiques à travers les tissus.

L'équipe, qui comprenait Ma; Benjamin Chidester, scientifique de projet au département de biologie computationnelle ; et doctorat. Les étudiants Tianming Zhou et Shahul Alam ont utilisé SPICEMIX pour analyser les données de transcriptomique spatiale des régions du cerveau chez la souris et l'homme. Ils ont tiré parti des capacités uniques de SPICEMIX pour découvrir le paysage des types de cellules et des modèles spatiaux du cerveau.

"Nous avons été inspirés par la cuisine lorsque nous avons choisi le nom", a déclaré Chidester. "Vous pouvez créer toutes sortes de saveurs différentes avec le même ensemble d'épices. Les cellules peuvent fonctionner de la même manière. Elles peuvent utiliser un ensemble commun de processus biologiques, mais la combinaison spécifique qu'elles utilisent leur donne leur identité unique."

Lorsqu'il est appliqué aux tissus cérébraux, SPICEMIX a identifié les schémas spatiaux des types de cellules dans le cerveau avec plus de précision que d'autres méthodes. Il a également découvert de nouveaux modèles d'expression de types de cellules cérébrales à travers les métagènes spatiaux appris.

"Ces résultats peuvent nous aider à brosser un tableau plus complet de la complexité des types de cellules cérébrales", a déclaré Zhou.

Le nombre d'études utilisant les technologies de transcriptomique spatiale augmente rapidement, et SPICEMIX peut aider les chercheurs à tirer le meilleur parti de ces données volumineuses et de grande dimension.

"Notre méthode a le potentiel de faire progresser la recherche en transcriptomique spatiale et de contribuer à une meilleure compréhension de la biologie fondamentale et de la progression de la maladie dans les tissus complexes", a déclaré Ma.

Référence : "SpiceMix permet la modélisation spatiale intégrative de l'identité cellulaire" par Benjamin Chidester, Tianming Zhou, Shahul Alam et Jian Ma, 9 janvier 2023, Nature Genetics.DOI : 10.1038/s41588-022-01256-z