Ученые из Массачусетского технологического института (MIT) и их коллеги разработали нейросетевую модель IRIS, предназначенную для определения сигналов, которые клетки эмбриона получают в процессе своего развития.
Исследование показало, что различные сигнальные пути оставляют характерные изменения в активности генов, нечто вроде «отпечатков», которые теперь могут быть распознаны даже в ранее не исследованных типах клеток. Результаты были опубликованы в журнале Nature.
В процессе развития эмбриона стволовые клетки трансформируются в специализированные, такие как клетки мозга, сердца или мышц. На их судьбу оказывают влияние сигналы от соседних клеток: они инициируют цепочки молекулярных реакций, изменяющие активность генов и подсказывающие клетке, какую роль ей предстоит сыграть. Ранее ученым приходилось отдельно изучать влияние каждого сигнального пути на различные типы клеток, что требовало значительных усилий и множества экспериментов.
Команда Пулина Ли и аспиранта Николаса Хатчинса обнаружила, что каждый сигнальный путь, передающий информацию клеткам, оставляет стабильный набор изменений в активности генов. IRIS выявляет эти закономерности и по генетической активности клетки определяет, какие сигналы она получила и на каком этапе развития. Исследователи обучили модель на базе данных тысяч человеческих эмбриональных стволовых клеток, которые подвергались воздействию комбинаций шести основных сигнальных путей.
Затем ученые протестировали IRIS на отдельных клетках эмбрионов мыши в период гаструляции — этапа, когда клетки стремительно распределяются по различным направлениям развития. Модель смогла установить, где и когда активировались сигнальные пути в клетках, из которых в дальнейшем формируются сердце, кишечник, мышцы и спинной мозг. Авторы также применили модель для определения необходимых сигналов для формирования клеток легких и подтвердили свои предсказания экспериментально.
«IRIS помогает более быстро расшифровывать язык, на котором клетки общаются друг с другом, чем это возможно с использованием только экспериментов», — отметил Хатчинс. По словам Ли, модель использует принцип переноса обучения: знания, полученные на одних типах клеток, позволяют распознавать сигналы и в других.
Авторы полагают, что данная технология может ускорить создание органоидов — миниатюрных трехмерных моделей органов, и помочь более точно управлять развитием стволовых клеток. В будущем это позволит создавать модели заболеваний легких, включая астму, рак и фиброз, и использовать их для поиска новых методов лечения и регенерации поврежденных тканей.
Фото: hi-tech.mail.ru