Какие результаты опытов на животных полезны человеку? ИИ Unify подскажет
Семьсот миллионов лет эволюции уместились в одной программе
Учёные из Университета науки и технологии имени короля Абдаллы (KAUST) создали инструмент искусственного интеллекта Unify, который сравнивает 125 типов клеток из семи видов животных, разделённых сотнями миллионов лет эволюции. Разработка призвана помочь исследователям понять, насколько результаты экспериментов на мышах, рыбах или мухах применимы к человеку. Результаты работы опубликованы в журнале Nature Communications в открытом доступе.
Биологи давно сравнивают клетки разных организмов. Обычно для этого используют метод одноядерного РНК-секвенирования, который показывает активность генов. Когда такой анализ проводят по всему организму, получается «клеточное древо» — карта, где видно, какие типы клеток существуют и чем они заняты. Но у этого подхода есть серьёзное ограничение.
Большинство инструментов для сравнения ищут прямые соответствия: ген мыши должен совпасть с геном человека. Такой принцип работает, пока виды близки. Но по мере расхождения видов гены мутируют, меняют функции, а иногда разные гены начинают выполнять одинаковую работу. Прямое сравнение становится бесполезным.
Консервативные клетки и проблема переноса знаний
Биологическая наука во многом опирается на эксперименты с животными. Человеку нельзя вживить чужеродные клетки или искусственно вызвать болезнь — это неэтично. Поэтому учёные изучают мышей, крыс, рыб и насекомых. Но как понять, что открытие у мыши применимо к человеку?
Классический пример — иммунная система. У человека и мыши есть похожие клетки, которые уничтожают инфекции. Но гены, отвечающие за их работу, различаются. Учёные тратят годы, чтобы доказать, что результаты мышиных экспериментов работают на людях. Иногда выясняется обратное — и сотни миллионов долларов, вложенных в разработку лекарства, уходят впустую.
Unify решает эту проблему иначе. Инструмент не ищет одинаковые гены, а сравнивает их функции.
«Мы используем ИИ-модели, которые анализируют последовательности белков и научные описания функций генов», — объясняет ведущий автор исследования, вычислительный биолог Хуавэнь Чжун.
Сходные по функциям гены складываются в так называемые *макрогены*. Это позволяет Unify распознавать клетки, которые выполняют одинаковую работу, даже если их отдельные гены давно утратили сходство.
Три сценария эволюции генов
В ходе работы алгоритм различал три возможных ситуации:
- гены полностью совпадают между видами — таких меньшинство;
- гены похожи, но за время эволюции приобрели новые функции;
- гены не имеют ничего общего, но независимо пришли к одной задаче.
Именно третий случай — самая частая причина ошибок в старых методах. Независимая эволюция приводит к тому, что у разных видов появляются разные молекулярные механизмы для одной биологической цели. Классические алгоритмы считают такие клетки разными, хотя они работают одинаково.
Для проверки инструмента исследователи проанализировали иммунные клетки разных видов. Unify мгновенно выделил общие стратегии защиты, которые ранее ускользали от внимания учёных, работающих с прямым сравнением генов.
Проверка на клетках крови и лимфоузлов
Второй эксперимент был практическим. Учёные взяли иммунные клетки из лимфатических узлов мыши, подвергли их воздействию сигнального белка и посмотрели, какие гены включаются. Затем на основе этих данных Unify должен был предсказать реакцию клеток крови человека на тот же стимул.
Результат оказался показательным. По всем генам предсказания нового инструмента оказались точнее, чем у существующих методов. Это означает, что Unify действительно улавливает эволюционные связи там, где старые алгоритмы видят только шум.
Профессор морской биологии KAUST Мануэль Аранда — соавтор работы — смотрит на проблему шире. «Многое из того, что мы знаем о биологии человека, получено при изучении животных. Но не всегда понятно, какие результаты переносятся на нас. Unify помогает определить, какие открытия на модельных организмах наиболее значимы для человека», — говорит он.
Расширение границ: что дальше
Разработчики не собираются останавливаться на достигнутом. Сейчас команда добавляет в Unify информацию о регуляции генов и расположении клеток внутри тканей. Это даст более полную картину того, как устроена жизнь.
Проблема в том, что даже самый мощный алгоритм, сопоставляющий клетки по функциям, не учитывает контекст. Клетка в печени и такая же клетка в крови ведут себя по-разному, потому что окружение диктует свои правила. Новые данные позволят ИИ учитывать и это.
- генная регуляция покажет, какие факторы включают и выключают активность клеток;
- пространственное расположение объяснит, как клетка взаимодействует с соседями;
- совместный анализ этих данных выявит общие принципы, работающие у всех живых существ.
Технология находит закономерности в масштабах, на которые у человека ушли бы годы кропотливой работы с каждым геном по отдельности. Для науки это означает ускорение поиска лекарств и более точное понимание болезней.
Но остаётся открытый вопрос: где провести границу между сходством функций и реальной применимостью результатов? Двести или триста миллионов лет эволюционного расхождения — это ещё можно преодолеть алгоритмом. А что насчёт миллиарда лет и больше? Покажет ли Unify биологическое родство клеток там, где эволюция переписала все инструкции? Возможно, ответ появится уже в следующих версиях инструмента, когда учёные добавят данные о ещё более далёких видах вроде беспозвоночных или растений.
