Новый ИИ-инструмент для поиска редких популяций клеток в больших наборах данных

Исследователи из Онкологического центра им. М. Д. Андерсона разработали первый в своем роде инструмент на основе искусственного интеллекта (ИИ), способный точно идентифицировать редкие группы биологически важных клеток в наборах данных по единичным клеткам. Исследование опубликовано в Nature Computational Science.

Вычислительный инструмент SCMER (Single-Cell Manifold presERving feature selection) помогает исследователям отсеивать шум в сложных наборах данных для изучения клеток, которые иначе было бы невозможно выявить.

SCMER может иметь широкое применение в онкологии и других областях, включая изучение минимальной остаточной болезни, лекарственной устойчивости и различных популяций иммунных клеток.

"Современные методы генерируют много данных, но стало сложнее определить, какие гены или белки действительно важны в этих контекстах. Небольшие группы клеток могут иметь важные черты, которые могут играть роль, например, в лекарственной устойчивости, но этих черт может быть недостаточно, чтобы отличить их от более распространенных клеток. В анализе наборов данных по единичным клеткам стало очень важно уметь обнаруживать эти редкие клетки и их уникальные молекулярные особенности", — объяснил старший автор Кен Чен.

Разработка методов для эффективного изучения малых или редких популяций клеток в исследованиях рака является прямым ответом на один из провокационных вопросов, поставленных Национальным институтом рака (NCI) в 2020 году.

В отличие от традиционного подхода, который сортирует клетки в кластеры на основе всех данных в наборе, SCMER использует беспристрастный анализ для обнаружения наиболее значимых отличительных признаков, определяющих уникальные группы клеток. Это позволяет не только обнаруживать редкие популяции клеток, но и генерировать компактный набор генов или белков для их идентификации.

Результаты применения SCMER:

• При повторном анализе более 4500 клеток меланомы SCMER смог различить типы клеток, используя экспрессию всего 75 генов. Результаты также указали на ряд генов, вовлеченных в развитие опухоли и лекарственную устойчивость, которые не были идентифицированы в исходном исследовании.
• В сложном наборе данных почти 40 000 желудочно-кишечных иммунных клеток SCMER разделил клетки, используя только 250 различных признаков. Анализ идентифицировал все исходные типы клеток, но во многих случаях дополнительно определил подгруппы редких клеток, ранее не выявленные.
• При изучении более 1400 клеток рака легких, взятых в различные моменты времени после лекарственного лечения, SCMER с использованием всего 80 генов смог точно различить клетки на основе ответа на лечение и указал на возможные новые драйверы терапевтической резистентности.

"Используя передовые методы ИИ, мы разработали эффективный и удобный инструмент, способный раскрывать новые биологические insights из редких популяций клеток. SCMER дает исследователям возможность сокращать высокоразмерные сложные наборы данных до компактного набора значимых биологических признаков", — отметил Кен Чен.