- Pesquisadores criaram uma ferramenta de IA que identifica o que é comum entre diferentes modalidades de medição celular e o que é específico de cada uma.
- O objetivo é oferecer uma visão mais holística do estado da célula, conectando informações de RNA, morfologia do cromatina e outras leituras.
- O método usa um espaço de representação compartilhada e espaços independentes para cada modalidade, funcionando como um diagrama de Venn celular.
- Em testes com dados sintéticos e reais, a ferramenta conseguiu distinguir informações compartilhadas e modality-specific, ajudando a mapear marcadores de dano ao DNA em câncer.
- Os pesquisadores querem tornar o modelo mais interpretável, ampliar testes e aplicar a análise a questões clínicas adicionais.
A equipe de pesquisa, formada por pesquisadores do Broad Institute/MIT-Harvard e ETH Zurich/PSI, criou uma abordagem de IA capaz de revelar o que é comum ou único entre diferentes modalidades de medição em células. O estudo foi publicado hoje na Nature Computational Science.
A ferramenta identifica quais informações sobre o estado celular são compartilhadas entre várias técnicas e quais são específicas de uma única modalidade. Assim, é possível ter uma visão mais completa da célula.
Segundo os autores, a técnica pode facilitar a compreensão de mecanismos de doença e o acompanhamento de progressões, como câncer, doenças neurodegenerativas e desordens metabólicas. A leitura integrada ajuda a planejar experimentos.
Como funciona
A equipe desenvolveu um espaço de representação compartilhado para dados que se sobrepõem entre modalidades, além de espaços separados para informações únicas de cada modalidade. O modelo usa uma etapa de treino em duas fases para lidar com a complexidade.
Em testes com dados sintéticos, o framework identificou com precisão as informações compartilhadas e específicas de cada modalidade. Em dados reais de células únicas, distinguiu atividades gênicas conjuntas e identificou dados provenientes de cada técnica.
Além disso, o método conseguiu apontar qual método de medição captura um marcador proteico de dano no DNA em pacientes com câncer, ajudando a escolher a técnica mais indicada. Esse recurso facilita decisões em pesquisas clínicas.
Perspectivas e financiamento
Os pesquisadores apontam que ainda é preciso ampliar a interpretabilidade do modelo e validar a disentanglement em mais questões clínicas. Eles pretendem testar novas aplicações e ampliar o conjunto de dados usados.
O estudo contou com apoio de fontes como o Eric e Wendy Schmidt Center, fundações nacionais e institutos de saúde, além de parcerias entre Broad Institute, MIT, Harvard, ETH Zurich e PSI.
Entre na conversa da comunidade