Новый вычислительный инструмент
декодирует биологический язык
сигнальных молекул.
Биология как наука и медицина как одно из главных богатств цивилизации спят и видят, как бы, наконец, понять, чего же хочет живая клетка. Что она намерена делать? Как взаимодействует с другими; по какому принципу они объединяются; насколько верны наши прогнозы об их поведении и реакции, и в чём мы ошибаемся?
Науке известно, что очень многие явления и процессы – будь то активация клеточного цикла или гибели клеток (которая, как мы знаем, запрограммирована генетически), миграции или дифференцировки по клонам (иначе говоря – профориентации по родственным связям, словно бы новая клетка, ещё не знающая кем ей быть, делала выбор, опираясь на мнения родичей и соседей-сверстников) – зависят от совместного межклеточного «обсуждения» положения дел в их сообществе (в ткани или органе). Ах, как славно было бы с ними поговорить!.. Ну или хотя бы подслушать 😊
Исследователям из Калифорнийского института идея показалась интересной, хоть и не новой. Однако, в отличие от предшествующих попыток, было решено создать как можно более обширную базу данных, по возможности включив в неё все известные нам параметры и факторы клеточной коммуникационной системы. Итак, в ходе предварительных обсуждений вопроса, выяснилось, что понимание глобальной связи между клетками требует от нас – с одной стороны – точного представления о сигнальных каналах между ними, а с другой – эффективного анализа этих каналов и сигналов на системном уровне.
И у междисциплинарной команды биологов и математиков всё получилось. Новый инструмент, помогающий расшифровать язык, на котором клетки общаются друг с другом, работает весьма недурно. Устройство, названное CellChat , представляет собой вычислительную платформу. С её с помощью стало возможно распознать значение сигнальных молекул, передающих информацию и команды между клетками в процессе объединения для формирования биологических тканей и даже целых органов.
«Чтобы правильно понимать, почему клетки делают определенные вещи, и предсказывать их будущие действия, мы должны уметь слушать, что они говорят друг другу; математические инструменты и инструменты машинного обучения позволяют переводить такие сообщения , – раскрывает суть работы старший автор статьи, опубликованной в Nature Communications , профессор математики и клеточной биологии при ректорате Калифорнийского университета Куин Не .
При разработке CellChat исследователи в значительной степени позаимствовали решения у инструментов машинного обучения и теории социальных сетей. Это позволяет платформе предсказывать более высокие уровни содержания тех или иных фигурантов клеточного языка и определять контекстные сходства. Таким образом устройство взламывает неподъёмную сложность моделей клеточных коммуникаций. Это достигается посредством множественного обучения и количественных контрастов, в результате чего устройство классифицирует сигнальные пути в разных наборах данных, выявляя как консервативные, так и контекстно-зависимые направления.
«Как и в нашем мире, где мы постоянно засыпаны информацией, все клетки воспринимают одновременно множество обращённых к ним молекулярных слов , – поясняет соавтор исследования Максим Пликус, профессор биологии развития и клеточной биологии Калифорнийского университета . – Что они выбирают делать зависит от этого постоянного потока молекулярной информации и от того, какие слова и предложения являются наиболее громкими ».
Кроме всего прочего, клетки производят молекулы-модификаторы, которыми несколько изменяют определенные команды, из «сделать это» получая «сделать это сейчас». CellChat учитывает все присутствующие в сигнале модификаторы и автоматически калибрует силу сигнальной связи между клетками. В результате его «перевод» помогает минимизировать возможные неточности, становясь более тонким и точным, чем ранее используемые технологии.
По словам Не , на уровне чисто фундаментальных исследований по интерпретации этих биологических сообщений, устройство может поспособствовать не только в открытии новых межклеточных коммуникаций, но и в построении целых «дорожных атласов» таких связей для различных тканей. Более того, CellChat может помочь в выявлении заболеваний путём сравнения данных, полученных в различных состояниях органа – как говорится, «в болезни и в здравии». Например, его можно использовать для выявления молекулярных движущих сил широкого спектра заболеваний, включая рак и аутоиммунные расстройства.
«В нашей статье мы демонстрируем возможности CellChat с использованием атопического дерматита, состояния кожи человека, но этот инструмент с тем же успехом можно использовать на любых тканях », – резюмирует Пликус .
Кстати, команда создала своего рода веб-обозреватель продукта. Поясняя одну из наиболее значительных возможностей инструмента, сам профессор Не называет его «переводчиком Google для словаря клеток ».
По материалам АРМК .