• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  Science >> Ciencia >  >> Biología
    Los investigadores desarrollan una nueva herramienta de inteligencia artificial para un análisis de tejidos rápido y preciso para respaldar el descubrimiento y el diagnóstico de fármacos
    Estrategia de aumento de funciones basada en vecindarios para agrupación de BANKSY. Crédito:Genética de la naturaleza (2024). DOI:10.1038/s41588-024-01664-3

    Un equipo de científicos del Instituto del Genoma de Singapur (GIS) y del Instituto de Bioinformática (BII) de A*STAR ha desarrollado una nueva herramienta de software de inteligencia artificial llamada "BANKSY" que reconoce automáticamente los tipos de células presentes en un tejido, como células musculares y nerviosas. y células grasas.



    Yendo un paso más allá de las herramientas de IA convencionales, que pueden agrupar células en grupos si contienen moléculas similares, BANKSY también considera qué tan similar es el entorno de las células en el tejido.

    Con BANKSY, los investigadores podrían mejorar su comprensión de los procesos tisulares en diversas enfermedades de forma más rápida y precisa, lo que puede respaldar el desarrollo de diagnósticos y tratamientos más eficaces para el cáncer, los trastornos neurológicos y otras enfermedades. Esta investigación fue publicada en el artículo "BANKSY unifica la tipificación celular y la segmentación de dominios tisulares para el análisis de datos ómicos espaciales escalables" en Nature Genetics. .

    BANKSY es experto en identificar grupos de células sutilmente distintos en perfiles moleculares espaciales generados a partir de muestras de tejido. Además, BANKSY aborda el problema distinto pero relacionado de demarcar regiones anatómicas funcionalmente distintas en secciones de tejido. Por ejemplo, puede distinguir estructuras en capas en el cerebro anterior humano.

    Las tecnologías de perfiles moleculares espaciales (Spatial Omics) son microscopios potentes que permiten a los científicos estudiar los tejidos con gran detalle al revelar las ubicaciones exactas de las moléculas biológicas individuales en las células, así como la disposición de las células en los tejidos.

    Esto les ayuda a comprender cómo se unen las células en los tejidos para realizar sus funciones fisiológicas normales y también cómo se comportan (o se portan mal) en enfermedades como el cáncer, el autismo o enfermedades infecciosas como la COVID-19. Esta comprensión es esencial para un diagnóstico más preciso y un tratamiento personalizado de los pacientes, así como para el descubrimiento de nuevos fármacos.

    BANKSY es escalable a grandes conjuntos de datos y más rápido que los métodos espaciales existentes. Tiempos de ejecución de BayesSpace, FICT, módulo HMRF de Giotto, GraphST, módulo de agrupamiento espacial de MERINGUE, SpaGCN, SpiceMix, STAGATE, agrupamiento no espacial (Seurat) y BANKSY para aumentar el número de celdas, hasta 2 millones de celdas. Todos los métodos se compararon en una máquina de 16 CPU y 128 GB. Los tiempos de ejecución se muestran hasta el número máximo de celdas admitidas por cada método, con un límite de 16 h. Crédito:Genética de la naturaleza (2024). DOI:10.1038/s41588-024-01664-3

    BANKSY puede ayudar a los biólogos a interpretar y extraer conocimientos de las últimas tecnologías de Spatial Omics que han surgido en los últimos años. Versátil, preciso, rápido y escalable, BANKSY se destaca de los métodos existentes en el análisis de datos de Spatial Omics basados ​​en ARN y proteínas.

    Capaz de manejar grandes conjuntos de datos de más de dos millones de células, BANKSY es de 10 a 1000 veces más rápido que los métodos de la competencia que se probaron y de dos a 60 veces más escalable. Esto significa que el método también se puede aplicar a otros pasos clave del procesamiento de datos, como detectar y eliminar áreas de mala calidad de la muestra y fusionar muestras tomadas de diferentes pacientes para un análisis combinado.

    BANKSY ha sido evaluado de forma independiente y dos estudios independientes han determinado que es el algoritmo de mejor rendimiento para datos de ómica espacial, uno de los cuales concluyó que BANKSY podría ser una solución poderosa para la identificación de dominios. El otro estudio probó seis algoritmos y seleccionó BANKSY como el más preciso para su análisis de datos.

    El Dr. Shyam Prabhakar, líder senior de grupo en el Laboratorio de Biología de Sistemas y Análisis de Datos y Director Asociado de Sistemas Espaciales y Unicelulares en GIS de A*STAR, dijo:"Anticipamos que BANKSY será una herramienta revolucionaria que ayudará a desbloquear el potencial de las tecnologías emergentes de Ómica Espacial."

    "Esperamos que esto mejore nuestra comprensión de los procesos tisulares en diversas enfermedades, lo que nos permitirá desarrollar tratamientos más eficaces para el cáncer, los trastornos neurológicos y muchas otras patologías".

    El profesor Liu Jian Jun, director ejecutivo interino de A*STAR's GIS, afirmó:"El trabajo en BANKSY avanza en nuestra estrategia de combinar tecnologías de alto rendimiento con software de IA robusto y escalable para resolver problemas e identificar las pistas que pueden marcar la diferencia". en la vida de los pacientes."

    El Dr. Iain Tan, consultor principal de la División de Oncología Médica del Centro Nacional del Cáncer de Singapur y científico clínico principal del Laboratorio GIS de Genómica Aplicada del Cáncer de A*STAR, dijo:"Estamos utilizando BANKSY para identificar las células que ayudan a que los tumores crezcan y se propaguen a otras partes del cuerpo:los medicamentos dirigidos a dichas células podrían ser una dirección prometedora para el tratamiento del cáncer".

    Más información: Vipul Singhal et al, BANKSY unifica la tipificación celular y la segmentación de dominios tisulares para un análisis de datos ómicos espaciales escalables, Nature Genetics (2024). DOI:10.1038/s41588-024-01664-3

    Información de la revista: Genética de la naturaleza

    Proporcionado por la Agencia de Ciencia, Tecnología e Investigación (A*STAR), Singapur




    © Ciencia https://es.scienceaq.com