AI-modell fejti meg, hogyan kommunikálnak egymással a sejtek

A sejtek génaktivitása őrzi a kapott jelek nyomát

Az embrió fejlődése során az eredetileg hasonló őssejtek különböző szerepeket vesznek fel. Egyes sejtekből az agy, a máj vagy az izmok sejtjei alakulnak ki, majd háromdimenziós szövetekbe és szervekbe rendeződnek. A sejtek sorsát az határozza meg, hogy mely génjeik kapcsolódnak be vagy ki.

Ezt a folyamatot a szomszédos sejtek által küldött és fogadott kémiai jelek irányítják. Az üzenetek jelátviteli útvonalakon haladnak keresztül, amelyek a külső jeleket a sejt génaktivitásának változásaivá alakítják. A kutatók régóta szerették volna visszakövetni ezeket az utasításokat, ám úgy vélték, hogy az útvonalak hatása minden sejttípusban más lehet, ezért minden egyes sejttípusnál külön vizsgálatokra lenne szükség.

A Pulin Li, az MIT biológia tanszékének adjunktusa és a Whitehead Institute for Biomedical Research munkatársa, valamint Nicholas Hutchins doktorandusz által vezetett kutatócsoport most arra jutott, hogy minden jelátviteli útvonal jellegzetes génaktivitási mintát hagy maga után. Ezek a minták, amelyeket a kutatók ujjlenyomatokként írnak le, ugyanahhoz a jelátviteli útvonalhoz kapcsolódva különböző sejttípusokban is következetesek.

Az IRIS több sejttípuson is felismeri a jelátvitelt

A kutatók az IRIS nevű gépi tanulási modellt használták a jelátviteli ujjlenyomatok azonosítására. A neurális hálózaton alapuló rendszer a sejt teljes génaktivitását elemzi, majd megbecsüli, hogy a fejlődés egyes szakaszaiban mely jelátviteli útvonalak lehettek aktívak.

Li és Hutchins a modellt egy olyan kísérleti adathalmazon tanították, amely több ezer emberi embrionális őssejt válaszait rögzítette hat fő jelátviteli útvonal több tucat kombinációjára, több fejlődési szakaszban. Ez egy olyan térképet hozott létre, amely megmutatja, miként befolyásolják a jelzések kombinációi a sejtek viselkedését.

A rendszert ezt követően egérgasztrulációból származó egyedi sejteken tesztelték. Ez az embriófejlődési szakasz különösen fontos, mert ekkor a sejtek gyorsan eltérő fejlődési irányokba kerülnek. Az IRIS pontosan jelezte, mikor és hol aktiválódtak bizonyos jelátviteli útvonalak azokban a sejtekben, amelyekből szív-, bél-, izom- és gerincvelői szövet alakult ki.

Li az MIT News szerint a módszert az átviteli tanuláshoz hasonlította. Mint mondta, ahogy egy főként angol nyelven betanított hangfelismerő rendszer más nyelvek felismerését is segítheti, az IRIS egy sejttípuson megtanult mintákat más sejttípusok vizsgálatában is fel tudja használni.

Őssejt- és szervmodellek készítését gyorsíthatja

A részletes eredményeket a kutatók a Nature Methods folyóiratban tették közzé szeptember 8-án, nyílt hozzáférésű tanulmányban. A felfedezés azért fontos, mert a jelátviteli előzmények feltérképezése így több sejttípuson végezhető el anélkül, hogy minden útvonalat minden sejttípusban külön kellene kísérletileg tesztelni.

Az IRIS segítségével a kutatók olyan jelzéseket is azonosíthatnak, amelyek egy őssejtet meghatározott sejttípussá alakítanak. Ezeket a jelzéseket laboratóriumban vagy orvosi környezetben újra létrehozhatják, hogy irányítsák az őssejtek fejlődését.

A kutatócsoport egy tüdő fejlődéséhez fontos sejttípus létrehozásához szükséges jeleket is vizsgálta. A modell előre jelezte, hogy egy meghatározott jelátviteli útvonal aktiválása a tüdőspecifikus fejlődést segítheti, amit egérembriókon végzett kísérletek is megerősítettek.

Az így létrehozott pontosabb szöveti modellek segíthetnek olyan betegségek tanulmányozásában, mint az asztma, a tüdőrák és a tüdőfibrózis. A kutatók ezeket a modelleket lehetséges terápiák tesztelésére, később pedig a károsodott szövetek helyreállítását célzó regeneratív kezelések megtervezésére használhatják.