Pronto estarán disponibles atlas a gran escala de órganos en estado saludable, en particular, el Atlas de células humanas. Este es un paso importante para comprender mejor las células, tejidos y órganos en estado sano y proporciona una referencia a la hora de diagnosticar, seguimiento y tratamiento de enfermedades. Sin embargo, debido a la gran cantidad de posibles combinaciones de tratamiento y condiciones de enfermedad, La ampliación de estos datos para caracterizar las enfermedades y el tratamiento de las enfermedades en los laboratorios tradicionales de ciencias de la vida es laboriosa y costosa. y por lo tanto no escalable.

Modelar con precisión la respuesta celular a las perturbaciones (p. Ej., enfermedad, compuestos, intervenciones genéticas) es un objetivo central de la biología computacional. Aunque existen modelos basados ​​en enfoques estadísticos y mecanicistas, Todavía no se dispone de ninguna solución basada en el aprendizaje automático que sea viable para los fenómenos de alta dimensión no observados. Además, scGen es la primera herramienta que predice la respuesta celular fuera de la muestra. Esto significa que scGen, si está capacitado en datos que capturan el efecto de las perturbaciones para un sistema dado, es capaz de hacer predicciones fiables para un sistema diferente. "Por primera vez, tenemos la oportunidad de utilizar los datos generados en un sistema modelo como el ratón y utilizar los datos para predecir la respuesta a la enfermedad o la terapia en pacientes humanos, "dijo Mohammad Lotfollahi, Doctor. estudiante (Helmholtz Zentrum München y Technische Universität München).

scGen es un modelo de aprendizaje profundo generativo que aprovecha las ideas de la imagen, procesamiento de secuencia y lenguaje, y, por primera vez, aplica estas ideas para modelar el comportamiento de una célula in silico. El siguiente paso para el equipo se refiere a la mejora de scGen a una formulación totalmente basada en datos, aumentando su poder predictivo para permitir el estudio de combinaciones de perturbaciones. "Ahora podemos comenzar a optimizar scGen para responder preguntas cada vez más complejas sobre enfermedades, "dijo Alex Wolf, Capitan del equipo, y Fabian Theis, Director del Instituto de Biología Computacional y Cátedra de Modelado Matemático de Sistemas Biológicos en Technische Universität München.