Orvosbiológiai áttörést előz meg a kutatás

A Chan Zuckerberg Initiative kutatási támogatását ítélték oda a szegedi Horváth Péter bioinformatikus csoportjának. Több más szegedi kutatócsoporttal együttműködve világviszonylatban is egyedülálló egysejt-analitikai eljárást fejlesztettek ki és tökéletesítenek annak érdekében, hogy a szervezet építőköveinek egyedi elemzésével a legapróbb eltéréseket is felfedezhessék, utat nyitva ezzel a sejtbiológiai folyamatok és a kóros elváltozások jobb megértésének. Horváth Péter (lásd vezető képünk) szerint a mesterséges intelligencia jelenleg zajló forradalma a legmodernebb molekuláris módszerekkel kombinálva megalapozhatja a következő évtized orvosbiológiai áttöréseit.

Mára egyre szélesebb körben elfogadott tény, hogy a génjeinkben kódolt információk mellett legalább ennyire fontosak a sejtek szintjén ténylegesen kifejeződő, egyedi jellegek (ún. fenotípusok), amelyek eltérései jól tükrözik a szervezet működésének hibáit. E dinamikus változások precíz elemzéséhez rendkívül nagy segítséget jelentenek a nagy érzékenységű mikroszkóprendszerek és bonyolult informatikai feldolgozó rendszerekkel való összekapcsolásuk.

Horváth Péter, az MTA Szegedi Biológiai Kutatóközpont Mikroszkópos Képfeldolgozó és Gépi Tanulási Csoportjának vezetője úttörő munkát végez a mesterséges intelligenciával támogatott, sejtalapú elemzés területén: a kutatócsoportja által fejlesztett, folyamatosan tanuló intelligens szoftverek akár több milliárdnyi sejt között is képesek felfedezni új fenotípusokat. Sőt, a szegedi kutatók által kialakított mikroszkóprendszer  ennél is többet tud: precízen körülvágja és kiemeli a mintából a megjelenésük alapján részletesebb vizsgálatra érdemes sejteket. A szegedi eredményekre az élettudományok legnagyobb szaktekintélyei is felfigyeltek, a kutatói párbeszéd pedig értékes kapcsolódási pontokat fedett fel.

A proteomika atyjának tekintett Matthias Mann, a legtöbbet idézett német kutató, a müncheni Max Planck Biokémai Intézet vezetője és a Koppenhágai Egyetem professzora, valamint Emma Lundberg, a Stanford Egyetem és a svéd KTH Royal Institute of Technology professzora, a proteomika és a sejtbiológia területének egyik vezető fiatal kutatója kiváló együttműködési lehetőséget lát a szegedi kutatókkal.

Innovatív technológiafejlesztés

A mélytanulási algoritmusokkal ötvözött, mikroszkópos egysejtanalízis proteomikai alkalmazására („deep visual proteomics”) szánt – és a Chan Zuckerberg Initiative támogatására is érdemesnek ítélt – kooperatív kutatás egyedülálló célkitűzése egy olyan intelligens képfeldolgozó rendszer kialakítása, amely

képes az emberi szövetek minden egyes sejtjét felismerni;

az eltérő fenotípusú sejteket szétválogatni;

a különféle sejttípusokat kinyerni; és

a bennük lévő összes fehérjét kvantitatívan jellemezni.

Ez utóbbi lépés egyben a fehérjeanalitika jelentős továbbfejlesztését is magában foglalja azzal a céllal, hogy minél kisebb mintamennyiségből – mindössze néhányszor tíz sejtből – precízen és specifikusan lehessen jellemezni a szervezetet alkotó minden egyes sejtféleséget. A jelenleg rendelkezésre álló legérzékenyebb tömegspektrometriai eljárások néhány száz sejt elemzése alapján írják le az egyes sejttípusok jellemző fehérjekészletét, a mintaméret nagyságrendnyi csökkentése viszont hatalmas előrelépés lenne az egyes sejtek felépítésének és működésének minél pontosabb megismerése irányában.

 

 Az algoritmus által azonosított és kijelölt sejtek különféle szövetekben

Az innovatív technológiafejlesztést célzó kutatás szorosan kapcsolódik a Chan Zuckerberg Initiative által szintén támogatott Human Cell Atlas projekthez, amely jelenleg a világ egyik legnagyobb volumenű biológiai kutatása. Célja, hogy az emberi szervezet minden egyes sejtféleségét a lehető legpontosabban jellemezze, és lényegében egy térképet adjon a különböző sejttípusok egymáshoz való viszonyáról, a szöveteken belül összeépülő sejtek kapcsolatairól, a szervek és szervrendszerek egymásra hatásáról, ezáltal pedig arról, hogy e háromdimenziós térkép változásai hogyan befolyásolják az egyes szervek és a szervezet egészének egészségi állapotát. 

A mesterséges intelligencia nélkülözhetetlen eszköze az élettudományok továbbfejlődésének

Az élő szervezetek génkészletét és a gének kölcsönhatásait vizsgáló genomika alig négy évtizedre visszatekintő térhódítása után a sejtek egyedi fehérjekészletének feltérképezése hozhatja a következő nagy áttörést napjaink legfontosabb orvosbiológiai kérdéseinek megválaszolásában. A betegségek hátterében álló mélyebb összefüggések megértése a kóros folyamatok terápiás befolyásolására és megelőzésükre is felbecsülhetetlen hatással lehet. A fehérjék teljes körű minőségi és funkcionális vizsgálatát jelentő proteomikai elemzések kulcsfontosságúak lehetnek a modern gyógyászat további fejlődéséhez. Ehhez pedig nélkülözhetetlen eszközt biztosítanak azok a mesterséges intelligenciára és mélytanulásra épülő algoritmusok, amelyek lehetővé teszik a komplex szövetek sejtszintű elemzését, és az egyes mintákról készült több százezer vagy milliónyi felvétel feldolgozását, beleértve sokmilliárdnyi sejt precíz osztályozását és a jól definiált fenotípusok egyedi jellemzését. 

Az algoritmus által azonosított és kijelölt sejtek különféle szövetekben

A mesterséges intelligencia forradalmi fejlődését jól szemlélteti egy közelmúltbeli bioinformatikai világverseny, ahol közel négyezer csoport mérte össze tudását. A feladat egy olyan mikroszkópos képelemző szoftver fejlesztése volt, amely az algoritmus által még soha nem látott képeken is képes minden egyes sejtet megtalálni. A szegedi Horváth Péter vezette kutatócsoport olyan programot készített, amelyben egy mesterségesintelligencia- algoritmus állít elő mesterséges képeket, és ezek alapján egy másik mesterségesintelligencia-algoritmust tanít a képeken fellelhető objektumok (jelen esetben sejtek) felismerésére. A gépi tanulás olyannyira hatékonynak bizonyult, hogy a szegedi csoport élesben futtatott nucleAIzer szoftvere szinte egyetlen sejtet sem hagyott felfedezetlenül a tetszőleges mintákról készült felvételeken, és a legmagasabb pontszámot érte el. A kutatócsoport ezt a gépi tanulási módszert fogja továbbfejleszteni a Mark Zuckerberg és felesége, Priscilla Chan alapítványa által felkarolt Deep Visual Proteomics projektben.

A szegedi kutatócsoport munkájáról és jövőbeni terveiről Horváth Péter az mta.hu-nak elmondta: a BIOMAG a jelen kihívásaihoz igazodva egy valóban interdiszciplináris kutatócsoport, gerincét informatikus és matematikus kutatók alkotják, emellett erős a biológiai és a mérnöki tudományok képviselete is. Az elmúlt év folyamán a csoport több tagja is úgy döntött, hogy neves külföldi intézetekben folytatja kutatásait.

Fotó: MTA SZBK