Модель глубокого обучения предсказывает, как формируются клетки плодовых мушек, клетка за клеткой.

Этот подход может быть применим к более сложным тканям и органам, помогая исследователям выявлять ранние признаки заболеваний. Развитие эмбриона дрозофилы было исследовано с помощью световой микроскопии. Эмбрион сегментирован, отслежен и реконструирован. Границы клеток показывают, как отдельные клетки складываются, делятся и перестраиваются. Источник: авторы MultiCell.

На ранних стадиях развития ткани и органы начинают формироваться за счет перемещения, деления и роста многих тысяч клеток.

Группа инженеров из Массачусетского технологического института разработала способ поминутного прогнозирования того, как отдельные клетки будут складываться, делиться и перестраиваться на самых ранних стадиях развития плодовой мухи. Новый метод в будущем может быть применен для прогнозирования развития более сложных тканей, органов и организмов. Он также может помочь ученым выявлять клеточные паттерны, соответствующие ранним заболеваниям, таким как астма и рак.

В исследовании, опубликованном сегодня в журнале Nature Methods, команда представляет новую модель глубокого обучения, которая обучается, а затем предсказывает, как определенные геометрические свойства отдельных клеток будут изменяться по мере развития плодовой мухи. Модель регистрирует и отслеживает такие свойства, как положение клетки и то, касается ли она соседней клетки в данный момент времени.

Команда применила модель к видеозаписям развития эмбрионов плодовых мушек, каждый из которых начинается как скопление примерно из 5000 клеток. Они обнаружили, что модель может с точностью до 90 процентов предсказывать, как каждая из 5000 клеток будет складываться, смещаться и перестраиваться каждую минуту в течение первого часа развития, по мере того как эмбрион трансформируется из гладкой, однородной формы в более четко выраженные структуры и особенности.

«Эта самая начальная фаза известна как гаструляция и длится примерно один час, в течение которого отдельные клетки перестраиваются за считанные минуты», — говорит автор исследования Мин Го, доцент кафедры машиностроения Массачусетского технологического института. «Точное моделирование этого раннего периода позволит нам начать понимать, как локальные клеточные взаимодействия приводят к формированию глобальных тканей и организмов».

Исследователи надеются применить эту модель для прогнозирования развития клеток у других видов, таких как рыбки данио и мыши. Тогда они смогут начать выявлять закономерности, общие для всех видов. Команда также предполагает, что этот метод можно будет использовать для выявления ранних стадий заболеваний, например, астмы. Легочная ткань у людей с астмой заметно отличается от здоровой легочной ткани. Процесс первоначального развития ткани, предрасположенной к астме, остается неизвестным, и новый метод команды потенциально может это прояснить.

«При визуализации в режиме реального времени в тканях пациентов с астмой наблюдается различная динамика клеток», — говорит соавтор и аспирант Массачусетского технологического института Хайцянь Ян. «Мы предполагаем, что наша модель сможет зафиксировать эти тонкие динамические различия и обеспечить более полное представление о поведении тканей, что потенциально улучшит диагностику или методы скрининга лекарственных препаратов».

Соавторами исследования являются Маркус Бюлер, профессор инженерного дела имени МакАфи на кафедре гражданского и экологического строительства Массачусетского технологического института; Джордж Рой и Томер Стерн из Мичиганского университета; а также Ань Нгуен и Дапэн Би из Северо-восточного университета.

Точки и пены

Ученые обычно моделируют развитие эмбриона одним из двух способов: в виде облака точек, где каждая точка представляет собой отдельную клетку, перемещающуюся во времени; или в виде «пены», где отдельные клетки представлены в виде пузырьков, которые смещаются и скользят друг относительно друга, подобно пузырькам в пене для бритья.

Вместо того чтобы выбирать между двумя подходами, Го и Ян приняли оба.

«Ведутся споры о том, следует ли моделировать как облако точек или как пену», — говорит Ян. «Но по сути, это разные способы моделирования одного и того же базового графа, который является элегантным способом представления живых тканей. Объединив их в один граф, мы можем выделить больше структурной информации, например, как клетки связаны друг с другом по мере их перестройки с течением времени».

В основе новой модели лежит структура «двойного графа», которая представляет развивающийся эмбрион одновременно в виде движущихся точек и пузырьков. С помощью этого двойного представления исследователи надеялись получить более детальные геометрические свойства отдельных клеток, такие как расположение ядра клетки, соприкосновение клетки с соседней клеткой, а также процесс сворачивания или деления в данный момент времени.

В качестве подтверждения принципа работы команда обучила новую модель «изучать», как отдельные клетки изменяются с течением времени во время гаструляции плодовой мухи.

«В целом, форма плодовой мухи на этой стадии приблизительно соответствует эллипсоиду, но во время гаструляции на поверхности происходят гигантские динамические процессы, — говорит Го. — Она переходит от совершенно гладкой к образованию множества складок под разными углами. И мы хотим предсказать все эти динамические процессы, момент за моментом, клетка за клеткой».

Где и когда

В своем новом исследовании ученые применили новую модель к высококачественным видеозаписям гаструляции плодовых мушек, снятым их коллегами из Мичиганского университета. Видео представляют собой часовые записи развития плодовых мушек, снятые с разрешением на уровне отдельных клеток. Более того, видео содержат метки краев и ядер отдельных клеток — невероятно подробные данные, которые трудно получить.

«Эти видео отличаются чрезвычайно высоким качеством, — говорит Ян. — Такие данные встречаются крайне редко, когда удается получить субмикронное разрешение всего трехмерного объема при довольно высокой частоте кадров».

Команда обучила новую модель, используя данные из трех из четырех видеороликов с эмбрионами плодовых мушек, чтобы модель могла «научиться» тому, как отдельные клетки взаимодействуют и изменяются по мере развития эмбриона. Затем они протестировали модель на совершенно новом видеоролике с плодовыми мушками и обнаружили, что она способна с высокой точностью предсказывать, как большинство из 5000 клеток эмбриона изменяются каждую минуту.

В частности, модель могла предсказывать свойства отдельных клеток, такие как то, будут ли они складываться, делиться или продолжать иметь общую грань с соседней клеткой, с точностью около 90 процентов.

«В итоге мы можем предсказать не только то, произойдут ли эти события, но и когда», — говорит Го. «Например, отделится ли эта клетка от другой клетки через семь минут или через восемь? Мы можем сказать, когда это произойдет».

Команда считает, что в принципе новая модель и подход с использованием двойного графа должны быть способны предсказывать развитие клеток в других многоклеточных системах, таких как более сложные виды, и даже в некоторых тканях и органах человека. Ограничивающим фактором является доступность высококачественных видеоданных.

«С точки зрения модели, я думаю, она готова», — говорит Го. «Настоящее узкое место — это данные. Если у нас будут качественные данные по конкретным тканям, модель можно будет напрямую применять для прогнозирования развития гораздо большего числа структур».

Данная работа частично финансируется Национальными институтами здравоохранения США.

Источник: news.mit.edu