デビッドW.クレイグ博士による寄稿 ブルック・イェルム博士
最近、細胞および組織の空間生物学について多くのことを聞いていますが、それには正当な理由があります。 組織は細胞の不均一な混合物です。 これは病気で特に重要です。 細胞は生命の基本単位でもあり、それらはそれらの近位の細胞によって形作られます。 当然のことながら、研究分野は細胞と組織の不均一性を調査することを目指していました。 過去XNUMX年間で、シングルセルシーケンスRNAが大量に採用されました。 このアプローチでは、細胞を分解して、細胞集団の説明と特徴付けを行う必要がありますが、同時に、他の細胞との近接性や、組織病理学などの従来のアプローチに適合する場所などの空間的コンテキストを失うことになります。
空間ゲノミクスに入る
そのため、空間トランスクリプトミクスと、RNAトランスクリプトの組織内の場所へのマッピングに重点を置いています。 結局のところ、疾患の病理を理解するには、基礎となるゲノミクスとトランスクリプトミクスだけでなく、細胞と組織内の相対的な位置との関係も理解する必要があります。 乗り物に沿って：とりわけ、癌、免疫学、および神経学の研究のための新しい道。 変更点は、空間の不均一性を解決するための新しいツールの登場です。 SeqFISHとMerFISHは、モデルシステム内で遺伝子発現をマッピングするための新しいアプローチです。 10x GenomicsやNanoStringなどの複数の企業が空間トランスクリプトミクスへのアクセスを民主化し、新しいテクノロジーとアッセイを導入しています。 彼らは病気の病理学の研究を開いています。
AIとディープラーニング：語彙の追加
新しい実験方法は、多くの場合、履歴分析アプローチから始まります。 分析の最初のステップを考えてみましょう。同様の遺伝子発現を持つスポット/細胞のクラスターを見つけ、次元を減らして視覚化します。 単一細胞RNA-seqでは、マンハッタンプロットがGWASにあったように、tSNE投影と色分けクラスタリングがシグネチャプロットになる場合があります。
しかし、決定的に重要なのは、根本的な組織病理学の画像、つまり診断と疾患の研究の基盤を活用していないことです。 XNUMXつのスポットが隣接しているという事実を活用していません。 するとどうなりますか？ XNUMXつのクラスター間のエッジで何が起こりますか？ 免疫応答などで細胞型が点在または浸潤するとどうなりますか？ 私たちが考慮していない、潜在的な影響が大きい画像分析方法はありますか？
実際、たたみ込みニューラルネットワーク（CNN）や生成的敵対的ネットワーク（GAN）などの概念は、機能の分類とその下にある隠れ層に役立ちました。 空間トランスクリプトミクスでは、tSNEを超えることができます。問題は、潜在空間（領域の分類を駆動するデータの表現と隠れた生物学の発見）を表示することです。 これらの用語と概念は、人工知能に関しては基本的なものであり、空間トランスクリプトミクス分析の中心となる必要があります。
もちろん、AIとディープラーニング用語の使用は至る所にあります。 自動運転車から画像認識の成功（ImageNetチャレンジ）まで、誇大広告から逃れるために、最も注目すべき成果のいくつかは、空間データと画像データを活用しています。 データが重要であり、次に尋ねます：4,000つの空間トランスクリプトミクスセクションを4,000つの実験データポイントと見なす必要がありますか、それともXNUMX画像とXNUMXトランスクリプトームですか？
空間生物学では、AIを遺伝子またはタンパク質の活動の細胞ごとのマップに適用することで、私たちだけでは達成できない重要な発見への道が開けると予想できます。 空間的に分解されたデータを組み込むことは、生物学の理解における次の飛躍になる可能性があります。 空間トランスクリプトミクスと空間プロテオミクスを組み合わせることで答えられる可能性があると私たちが知ることすら知らなかった質問があります。 しかし、そこに到達するには、コミュニティに集まり、AIに成功のチャンスを与えるために不可欠なトレーニングデータセットやその他のリソースを構築するコミュニティとして取り組む必要があります。
私たちはまだ、生成された空間生物学データを真に最大限に活用していません。 この制限に対処しないと、この情報をより多く生成しても、見逃してしまいます。
デビッド W. クレイグ博士 ([メール保護])、Brooke Hjelm 博士。 ([メール保護]) は、南カリフォルニア大学ケック医学部トランスレーショナル ゲノミクス学科の教員です。
出典：https://www.aitrends.com/ai-in-science/ai-tools-will-help-us-make-the-most-of-spatial-biology/
