Los atlas a gran escala de órganos en estado saludable pronto estarán disponibles, en particular, dentro del Atlas de células humanas. Este es un paso significativo para comprender mejor las células, tejidos y órganos en estado saludable y proporciona una referencia al diagnosticar, monitoreo y tratamiento de enfermedades. Sin embargo, debido a la gran cantidad de combinaciones posibles de tratamiento y afecciones de la enfermedad, ampliar estos datos para caracterizar la enfermedad y el tratamiento de la enfermedad en los laboratorios tradicionales de ciencias de la vida es laborioso y costoso y, por lo tanto, no escalable.
Modelar con precisión la respuesta celular a las perturbaciones p. Ej., Enfermedades, compuestos, intervenciones genéticas es un objetivo central de la biología computacional. Aunque existen modelos basados en enfoques estadísticos y mecanicistas, no existe una solución basada en aprendizaje automático viable para fenómenos no observados de alta dimensión.todavía está disponible. Además, scGen es la primera herramienta que predice la respuesta celular fuera de la muestra. Esto significa que scGen, si está capacitado en datos que capturan el efecto de perturbaciones para un sistema dado, puede hacer predicciones confiables para unsistema diferente. "Por primera vez, tenemos la oportunidad de utilizar los datos generados en un sistema modelo como el ratón y utilizar los datos para predecir la respuesta a la enfermedad o la terapia en pacientes humanos", dijo Mohammad Lotfollahi, estudiante de doctorado Helmholtz Zentrum München yTechnische Universität München.
scGen es un modelo generativo de aprendizaje profundo que aprovecha las ideas del procesamiento de imágenes, secuencias y lenguaje, y, por primera vez, aplica estas ideas para modelar el comportamiento de una célula in silico. El siguiente paso para el equipo se refiere a la mejora de scGena una formulación totalmente basada en datos, aumentando su poder predictivo para permitir el estudio de combinaciones de perturbaciones. "Ahora podemos comenzar a optimizar scGen para responder preguntas cada vez más complejas sobre enfermedades", dijeron Alex Wolf, líder de equipo y Fabian Theis.Director del Instituto de Biología Computacional y Cátedra de Modelado Matemático de Sistemas Biológicos en Technische Universität München.
Fuente de la historia :
Materiales proporcionado por Helmholtz Zentrum München - Centro Alemán de Investigación para la Salud Ambiental . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :