Для распознавания ткани сетчатки до ее окончательной дифференцировки алгоритму не нужно дополнительной модификации клеток, и это позволит применять метод при выращивании сетчатки для пересадки
Ученые из Московского физико-технического института совместно с
коллегами из Института системного программирования и Института
глазных исследований им. Чарльза Шепенса Гарвардской школы
медицины (США) разработали нейросеть, способную распознавать
ткани формирующейся сетчатки еще до ее окончательной
дифференцировки, сообщает пресс-служба МФТИ. Для этого
алгоритму, в отличие от человека, не требуется дополнительной
модификации клеток. Это позволяет применять метод при
выращивании сетчатки для пересадки. Результаты опубликованы в журнале Frontiers in
Cellular Neuroscience.
В многоклеточных организмах каждый орган и тип тканей состоит из
клеток, имеющих разные функции и свойства. Эти функции они
приобретают в процессе развития. В самом начале все клетки
одинаковые, но они потенциально способны создавать все типы
клеток зрелого организма, в это время такие клетки называются
стволовыми. Когда в некоторых из них начинают синтезироваться
белки, работающие в определенных тканях, происходит
дифференцировка и специализация клеток. После этого группы клеток
образуют разные ткани и органы.
Наиболее современным подходом для воспроизведения процесса
развития различных тканей в пробирке является технология
дифференцировки в трехмерных клеточных агрегатах — органоидах.
Данная технология уже показала свою эффективность для
исследования развития сетчатки, мозга, внутреннего уха,
кишечника, поджелудочной железы и многих других тканей. Благодаря
тому, что процесс дифференцировки по данной технологии
основывается на естественных механизмах развития, получаемая
ткань обладает значительным сходством с естественным органом.
Природа некоторых этапов дифференцировки имеет случайный
характер, что приводит к значительному изменению количества
клеток с определенной функцией даже среди искусственных органов в
одной партии, не говоря о разных клеточных линиях. Это значит,
что для воспроизводимости экспериментов и, как следствие, для
наибольшей надежности в клинических применениях при каждой
дифференцировке необходимо уметь определять, какие клетки
специализировались, а какие — нет.
Для определения дифференцированных клеток при работе с тканями
специалисты используют флуоресцентные белки — ген светящегося
белка добавляют в ДНК клеток, в результате чего последние
начинают его синтезировать, когда проходят нужную стадию
развития. К сожалению, этот чувствительный, специфичный и удобный
для количественной оценки метод не подходит для производства
клеток для трансплантации или моделирования наследственных
заболеваний генетической природы. Именно поэтому ученые в данной
работе предложили альтернативный подход для анализа — на
основании структуры самой ткани. На данный момент нет надежных и
объективных критериев, чтобы предсказать качество дифференцировки
клеток. Для решения проблемы отбора лучших тканей сетчатки для
дальнейшей трансплантации, скрининга лекарственных препаратов или
моделирования заболеваний ученые решили использовать методы
нейронных сетей и искусственного интеллекта.
«Одним из основных направлений деятельности нашей лаборатории
является применение методов биоинформатики, машинного обучения и
искусственного интеллекта для решения прикладных задач в области
генетики и молекулярной биологии. Данная разработка — как раз на
стыке наук. В ней классические для Физтеха инструменты нейронных
сетей применены для очень значимой прикладной биомедицинской
проблемы — предсказания дифференцировки в сетчатку из стволовых
клеток. Сетчатка человека имеет крайне ограниченный потенциал к
регенерации. Это значит, что любая прогрессирующая потеря
нейронов, например, при глаукоме, неизбежно приводит к полной
слепоте. Сейчас врачам практически нечего предложить таким
пациентам, кроме как начинать учить таблицы Брайля. Наша работа
делает биомедицину на шаг ближе к созданию клеточной терапии для
заболеваний сетчатки глаза, что позволит не только предотвратить
прогрессию заболевания, но и вернуть больным уже утраченное
зрение», — объясняет руководитель лаборатории геномной
инженерии МФТИ Павел Волчков.
Авторы статьи обучили нейронную сеть (компьютерный алгоритм,
названный так по аналогии с работой человеческих нейронов в
мозге) находить ткани развивающейся сетчатки на
основании фотографий с простого светового микроскопа. Сначала они
попросили экспертов идентифицировать на 1200 изображениях
дифференцированные клетки при помощи точного метода с
использованием флуоресцентного репортера. Нейросеть обучили на
750 изображениях, еще 150 были использованы для валидации и 250 —
для тестов. После проверки всех предсказаний оказалось, что люди
определяли дифференцированные клетки с точностью около 67%, в то
время как нейросеть имела точность 84%.
«Наши результаты показывают, что критерии отбора тканей сетчатки
на ранней стадии субъективны и зависят от эксперта, который
принимает решение. При этом морфология (то есть структура)
самой ткани даже на очень ранней стадии позволяет прогнозировать
дифференцировку сетчатки. И программа, в отличие от человека,
может извлечь эту информацию! С учетом того, что этот подход
не требует сложных изображений, флуоресцентных репортеров или
красителей для анализа, его легко внедрить. Это позволяет сделать
еще один шаг в сторону создания клеточных терапий для таких
заболеваний сетчатки, как глаукома и макулярная дистрофия,
которые сейчас практически неминуемо приводят к слепоте. Кроме
того, этот подход может быть перенесен не только на другие
клеточные линии, но и на человеческие искусственные
органы», — дополняет Евгений Кегелес, сотрудник
лаборатории терапии орфанных заболеваний МФТИ.
Источник: zanauku.mipt.ru
Источник: scientificrussia.ru
