Ученые из Московского физико-технического института совместно с коллегами из Института системного программирования и Института глазных исследований им. Чарльза Шепенса Гарвардской школы медицины разработали нейросеть, способную распознавать ткани формирующейся сетчатки еще до ее окончательной дифференцировки. Результаты работы опубликованы в журнале Frontiers in Cellular Neuroscience, кратко о них рассказывается в сообщении пресс-службы МФТИ.
Выращивание тканей организма из стволовых клеток в наши дни производят в трехмерных клеточных агрегатах — органоидах. Данная технология уже показала свою эффективность для исследования развития сетчатки, мозга, внутреннего уха, кишечника, поджелудочной железы и многих других тканей. Культура стволовых клеток постепенно дифференцируется, давая клетки различных типов. Благодаря тому, что процесс дифференцировки по данной технологии основывается на естественных механизмах развития, получаемая ткань обладает значительным сходством с естественным органом.
Природа некоторых этапов дифференцировки клеток имеет случайный характер, что приводит к значительному изменению количества клеток с определенной функцией даже среди искусственных органов в одной партии, не говоря о разных клеточных линиях. Это значит, что для воспроизводимости экспериментов и, как следствие, для наибольшей надежности в клинических применениях при каждой дифференцировке необходимо уметь определять, какие клетки специализировались, а какие — нет.
Для определения дифференцированных клеток при работе с тканями специалисты используют флуоресцентные белки — ген светящегося белка добавляют в ДНК клеток, в результате чего последние начинают его синтезировать, когда проходят нужную стадию развития. Но этот метод не подходит для производства клеток для трансплантации или моделирования наследственных заболеваний генетической природы. Поэтому ученые в данной работе предложили альтернативный подход для анализа — на основании структуры самой ткани. Для решения проблемы отбора лучших тканей сетчатки для дальнейшей трансплантации, скрининга лекарственных препаратов или моделирования заболеваний ученые решили использовать методы нейронных сетей и искусственного интеллекта.
Авторы статьи обучили нейронную сеть находить ткани развивающейся сетчатки на основании фотографий с простого светового микроскопа. Сначала они попросили экспертов идентифицировать на 1200 изображениях дифференцированные клетки при помощи точного метода с использованием флуоресцентного репортера. Нейросеть обучили на 750 изображениях, еще 150 были использованы для валидации и 250 — для тестов. После проверки всех предсказаний оказалось, что люди определяли дифференцированные клетки с точностью около 67 %, в то время как нейросеть имела точность 84 %.
«Наши результаты показывают, что критерии отбора тканей сетчатки на ранней стадии субъективны и зависят от эксперта, который принимает решение. При этом морфология (то есть структура) самой ткани даже на очень ранней стадии позволяет прогнозировать дифференцировку сетчатки. И программа, в отличие от человека, может извлечь эту информацию! С учетом того, что этот подход не требует сложных изображений, флуоресцентных репортеров или красителей для анализа, его легко внедрить. Это позволяет сделать еще один шаг в сторону создания клеточных терапий для таких заболеваний сетчатки, как глаукома и макулярная дистрофия, которые сейчас практически неминуемо приводят к слепоте. Кроме того, этот подход может быть перенесен не только на другие клеточные линии, но и на человеческие искусственные органы», — объясняет сотрудник лаборатории терапии орфанных заболеваний МФТИ Евгений Кегелес.
