A szociális hálózatok elemzésének AI módszerei új sejttípusokat találnak a szövetekben

Az „in situ” szekvenálás lehetővé teszi a test szöveteiben lévő génaktivitás mikroszkópos képeken történő ábrázolását. A hatalmas mennyiségű információ értelmezésének megkönnyítése érdekében az uppsalai egyetem kutatói most egy teljesen új képelemzési módszert fejlesztettek ki.

A mesterséges intelligenciában alkalmazott algoritmusok alapján a módszert eredetileg a szociális hálózatok megértésének fejlesztésére találták ki. A kutatók tanulmányát a The FEBS Journal publikálja. A szerveinket alkotó szövet billió különféle funkciójú sejtből áll. Az egyén összes sejtje magjaiban ugyanazokat a géneket (DNS) tartalmazza. A génexpresszió “messenger RNS” (mRNS) révén történik – ezek olyan molekulák, amelyek a sejtmagból a sejt többi részébe továbbítják az üzeneteket, hogy irányítsák tevékenységét. Az mRNS-kombináció tehát meghatározza minden sejt funkcióját és azonosságát. Az RNS-átiratok in situ szekvenálással érhetők el. Az új tanulmány mögött álló kutatók korábban részt vettek ennek a módszernek a kidolgozásában, amely millió detektált mRNS-szekvenciát mutat be pontként a szövet mikroszkóp képein. A probléma az, hogy az összes fontos részlet megkülönböztetése nehéz lehet. Itt hasznos lehet az új AI-alapú módszer, mivel lehetővé teszi a sejttípusok felügyelet nélküli detektálását, valamint az egyes sejteken belüli funkciók és a sejtek közötti kölcsönhatások detektálását.

“A legújabb AI módszereket alkalmazzuk – nevezetesen a szociális hálózatok elemzésére kifejlesztett neurális hálózatokat, és adaptáljuk őket a biológiai minták és a szövetminták egymást követő variációinak megértésére. A sejtek összehasonlíthatók a társadalmi csoportosításokkal, amelyek meghatározhatok olyan tevékenységekkel, amelyeket megosztanak közösségi hálózataikon, például a Twitter” – mondja Carolina Wählby, az Uppsala Egyetem Informatikai Tanszékének kvantitatív mikroszkópos professzora.


hunprobalazs