Uso dell'intelligenza artificiale per identificare le perturbazioni genetiche dalle immagini cellulari
La nuova start-up mira a utilizzare le scoperte per trattare la fibrosi precedentemente incurabile
I ricercatori dell'Istituto Paul Scherrer PSI hanno sviluppato un'intelligenza artificiale che potrebbe aprire la strada a un nuovo approccio, economicamente vantaggioso, per identificare i modelli di perturbazione genetica nelle immagini delle cellule, consentendo potenzialmente lo sviluppo di nuovi farmaci.
Le strategie terapeutiche adottate dalla medicina moderna si concentrano sull'individuazione precoce e sulla manipolazione mirata dei geni correlati alla malattia. In particolare per le malattie complesse come il cancro, le malattie neurodegenerative come l'Alzheimer e le infiammazioni croniche associate all'invecchiamento, la sfida non è solo quella di identificare i singoli geni, ma anche di comprendere le loro reti di regolazione. È sempre più chiaro che l'organizzazione tridimensionale del DNA nel nucleo cellulare - nota come cromatina - svolge un ruolo fondamentale.
Finora, l'analisi di tali cambiamenti genetici si è basata su tecniche di espressione genica o di sequenziamento complesse e costose. In un articolo pubblicato sulla rivista Cell Systems, i ricercatori guidati da G.V. Shivashankar - capo del Laboratory of Multiscale Bioimaging presso il PSI Center for Life Sciences e professore di Meccano-Genomica al Politecnico di Zurigo - e Caroline Uhler, direttore dell'Eric and Wendy Schmidt Center al Broad Institute e professore di ingegneria elettrica e informatica al MIT, hanno presentato un nuovo approccio: Insieme ai loro colleghi studenti Daniel Paysan, Adityanarayan Radhakrishnan e Xinyi Zhang, hanno sviluppato un sistema di intelligenza artificiale (AI) chiamato Image2Reg. Questo sistema può consentire di identificare perturbazioni genetiche e potenziali bersagli farmacologici basandosi esclusivamente su semplici immagini microscopiche del nucleo cellulare, come quelle ottenute dopo la colorazione Hoechst con coloranti fluorescenti blu. "La combinazione di imaging, apprendimento automatico e reti molecolari può in definitiva consentire un accesso diagnostico e terapeutico rapido ed economico", spiega Shivashankar.
L'intelligenza artificiale sviluppa un "occhio" per l'attività nella cromatina ...
Nella prima fase di Image2Reg (acronimo di Image to Regulation, cioè dall'immagine della cellula alla regolazione del gene), i ricercatori sfruttano il fatto che la struttura tridimensionale del nucleo cellulare - la cromatina in cui è impacchettato il DNA - è visibilmente alterata quando l'attività di un particolare gene viene interrotta o sovrastimolata sperimentalmente. Le immagini risultanti mostrano spesso cambiamenti molto sottili ma sistematici nell'aspetto della cromatina.
I ricercatori hanno quindi addestrato un algoritmo adattivo - una rete neurale convoluzionale (CNN), una forma di intelligenza artificiale specializzata nell'elaborazione delle immagini - a riconoscere questi schemi. L'intelligenza artificiale ha sviluppato un "occhio" per le tracce tipiche lasciate da un'attività nell'immagine della cromatina.
... costruisce una rete di relazioni cellulari ...
Durante l'analisi delle immagini, Image2Reg costruisce una rete biologica specifica per il tipo di cellula in questione, che descrive come i geni all'interno della cellula sono collegati tra loro. Questa rete si basa su due principi consolidati della biologia molecolare: In primo luogo, sulle interazioni proteina-proteina note - in altre parole, quali proteine entrano in contatto tra loro e innescano processi biochimici. In secondo luogo, include dati sull'espressione genica, ricavati sia dall'analisi di singole cellule sia dalle classiche misurazioni collettive, in cui viene registrata l'attività media di un gran numero di cellule. Questi dati mostrano quali geni sono attivi nello stesso momento e potrebbero influenzarsi o regolarsi a vicenda.
Infine, queste informazioni vengono riassunte sotto forma di modello matematico. Il modello elabora i complessi collegamenti tra i geni e crea una rappresentazione numerica di ogni singolo gene, che ne riflette la funzione, il ruolo e la connettività all'interno del sistema biologico. L'obiettivo è creare una sorta di "libro delle regole" per la cellula, una descrizione di quali geni lavorano insieme, si regolano a vicenda o sono assegnati a determinate vie di segnalazione, indipendentemente da come si manifestano nell'immagine della cellula.
... e combina immagine e biologia
Nella fase finale e decisiva, Image2Reg riunisce le due sfere di comprensione precedentemente acquisite: la visualizzazione per immagini del nucleo cellulare e la conoscenza molecolare della rete genica. Ciò avviene utilizzando un processo matematico noto come kernel machine, più precisamente il neural tangent kernel (NTK). Questo modello apprende come i modelli numerici dedotti dall'analisi delle immagini - cioè ciò che la rete neurale deduce dalle immagini cellulari - possano essere abbinati alla relazione funzionale tra i geni della rete biologica.
Previsioni corrette di gran lunga superiori al livello casuale
Per l'addestramento dell'intelligenza artificiale i ricercatori hanno avuto a disposizione quasi un milione di immagini di singole cellule: alcune provenivano da cellule di controllo non trattate, altre da cellule in cui un singolo gene era stato deliberatamente iperattivato.
Nel test successivo, è stato chiesto al modello di identificare quale dei 41 possibili geni fosse stato alterato, basandosi esclusivamente sulle immagini delle cellule. L'intelligenza artificiale ha ottenuto un'accuratezza del 26%. In altre parole, in una cellula su quattro ha determinato correttamente quale gene era stato modificato. In confronto, basandosi solo sul caso, la percentuale di successo sarebbe stata di circa il due per cento. I ricercatori ritengono che questa sia una chiara indicazione dell'esistenza di modelli riconoscibili nella struttura della cellula, che sono collegati a determinati geni e che possono essere identificati utilizzando l'analisi delle immagini. "Si crea un ponte tra forma e funzione, tra immagine e biologia", spiega Caroline Uhler.
Uno strumento per la diagnosi e il trattamento
Il processo Image2Reg è ancora agli inizi. Tuttavia, apre la strada a una serie di applicazioni pratiche di grande rilevanza medica. Molte malattie - come il cancro, il morbo di Alzheimer o i disturbi autoimmuni - derivano da disturbi nella regolazione genica. Gli autori prevedono che Image2Reg possa essere utilizzato per identificare quali geni sono colpiti da una malattia o da una terapia, senza bisogno di elaborate analisi sperimentali. In definitiva, la speranza è che questo processo consenta di identificare le malattie nelle loro fasi iniziali, molto prima che si possano misurare i marcatori classici come proteine, RNA o sintomi noti.
In una start-up di recente costituzione, i ricercatori intendono utilizzare le loro scoperte per sviluppare una terapia per la fibrosi, attualmente incurabile. In questa condizione clinica, l'organismo sostituisce il tessuto funzionale con un tessuto duro e cicatriziale. A lungo termine, ciò riduce la funzionalità degli organi. I polmoni, il fegato e il cuore sono spesso colpiti.
Nota: questo articolo è stato tradotto utilizzando un sistema informatico senza intervento umano. LUMITOS offre queste traduzioni automatiche per presentare una gamma più ampia di notizie attuali. Poiché questo articolo è stato tradotto con traduzione automatica, è possibile che contenga errori di vocabolario, sintassi o grammatica. L'articolo originale in Inglese può essere trovato qui.
Pubblicazione originale
Altre notizie dal dipartimento scienza
Le notizie più lette
Altre notizie dagli altri portali
Sta accadendo qualcosa nel settore delle scienze della vita ...
Questo è il vero spirito pionieristico: molte start-up innovative stanno portando nuove idee, linfa vitale e spirito imprenditoriale per cambiare in meglio il mondo di domani. Immergiti nel mondo di queste giovani aziende e cogli l'occasione per entrare in contatto con i fondatori.