Рада ухвалила закон про мобілізацію: що змінюється для українців
Долар 41.54 ₴ (+0.12), євро 44.98 ₴ (-0.05)
Кременчук: +18°C, ясно. Увечері до +12°C.
День працівників соціальної сфери. Всесвітній день сміху.
Сьогодні святкують: Максим, Віктор, Тамара
Овен: Хороший день для нових починань. Зірки сприяють ініціативі.
2004 — Кіпр, Чехія та 8 інших країн вступили до Євросоюзу
Паливо знову подорожчало: А-95 переступив психологічну межу
Apple iPhone 17 Air: все що відомо про найтоншу модель
Команда MIT навчила алгоритм глибокого навчання передбачати, як 5 000 клітин ембріона плодової мушки змінюються щохвилини протягом першої години розвитку. Модель фіксує контакти між клітинами, їх поділ і згортання з 90% точністю.
Науковці з MIT представили інструмент, який дозволяє подивитися на початок життя "під мікроскопом даних". Нова модель глибокого навчання не просто аналізує відео ембріона – вона прогнозує, хвилина за хвилиною, як окремі клітини згортатимуться, ділитимуться та переструктуровуватимуться. У випробуваннях на ембріонах плодової мушки точність досягла близько 90 відсотків. Дослідники припускають: підхід можна масштабувати до складніших тканин і використати для раннього виявлення патологічних патернів, пов'язаних, зокрема, з астмою та раком.
Команда під керівництвом Міна Го розробила модель, яка навчається на геометричних характеристиках кожної клітини – від положення ядра до факту, чи ділиться клітина, чи контактує з сусідньою, чи від неї відокремлюється. Алгоритм тестували на відео ембріонів плодової мушки тривалістю одну годину, де стартова стадія розвитку складається приблизно з 5 000 клітин.
Після навчання на трьох відеозаписах і подальшого тесту на четвертому модель з високою точністю відтворювала поклітинні події – прогнозувала не лише "що станеться", а й коли саме це трапиться, наприклад, чи "розійдуться" дві клітини через 7-8 хвилин.
"Ця найперша фаза відома як гаструляція, вона триває приблизно одну годину, і клітини переструктуровуються з інтервалом у хвилини", – пояснює Мін Го з MIT.
У біології розвиток ембріона часто описують або як хмару точок (кожна точка – клітина), або як піну (клітини – "бульбашки", що ковзають одна відносно одної). Дослідники поєднали ці два погляди в один підхід – дуальну графову модель, яка одночасно враховує рух "точок" і контакти "бульбашок". Така репрезентація дає змогу зберегти більше структурної інформації про тканину і точніше моделювати її динаміку під час гаструляції.
Завдяки цьому модель не губить деталей, важливих для тканинної механіки: хто з ким межує, де змінюється кривизна шару клітин, у які моменти відбуваються мітотичні події та локальні згортання.
Тренувальні дані надали колаборатори з Університету Мічигану – тривимірні відео субмікронної роздільної здатності з позначеними межами клітин та їхніми ядрами. Це рідкісний масив: повний об'єм ембріона, швидка частота кадрів і окрема ідентифікація кожної клітини. Саме така якість зображення дала змогу алгоритму навчитися часовим шаблонам взаємодій.
"Астматичні тканини демонструють іншу динаміку клітин під час живої зйомки. Ми очікуємо, що модель зможе вловити ці тонкі відмінності та покращити представлення поведінки тканини", – каже аспірант MIT Хайцян Ян.
Автори планують масштабувати підхід на інші види – зебрафіш та мишей – аби виявити міжвидові закономірності розвитку тканин. У перспективі така поклітинна "карта" динаміки може допомогти виявляти ранні ознаки патологій, коли тканина лише формується. Це особливо актуально для захворювань із характерними структурними відмінностями, як-от астма, та для вивчення процесів, пов'язаних із онкогенезом.
Практичний вектор – покращення діагностичних підходів і більш точний скринінг лікарських засобів у моделях, де тканини демонструють відхилення від норми ще на ранніх стадіях розвитку.
На думку дослідників, нинішня "вузька горлянка" – не стільки модель, скільки доступ до якісних відеоданих відповідного рівня деталізації. За наявності таких даних підхід можна безпосередньо застосовувати до різних тканин і органів людини та інших видів.
"З погляду моделі, вона готова. Реальне вузьке місце – дані", – резюмує Мін Го.
Статтю опубліковано в журналі Nature Methods. Серед авторів – Мін Го (кафедра механічної інженерії MIT), Маркус Бюлер (McAfee Professor of Engineering, MIT), Джордж Рой і Томер Стерн (Університет Мічигану), а також Ань Нгуєн і Дапенг Бі (Північно-Східний університет, США). Дослідження частково профінансовано Національними інститутами здоров'я США.
Глибоке навчання у поєднанні з якісною візуалізацією відкриває шлях до точного моделювання розвитку тканин у реальному часі. Для читача це означає швидші наукові інсайти щодо походження хвороб і перспективніші методи їх раннього виявлення. Коли дані та алгоритми зустрічаються, ми краще розуміємо, як з кількох клітин постає складний організм – і як цьому процесу можна допомогти, коли щось іде не так.
Без спаму. Лише топ-матеріали Gosta. Відписатись в один клік.