IA ajuda pesquisadores a enxergar o quadro maior da biologia celular

Pesquisadores do Broad Institute, ETH Zurich/Paul Scherrer Institute e ETH Zurich desenvolveram uma framework de IA que identifica informações compartilhadas e únicas entre modalidades de medição em células, para entender melhor o estado celular de forma holística.
A ideia é mostrar de onde veio cada dado, facilitando o entendimento de mecanismos de doença e o acompanhamento de câncer, Alzheimer e doenças metabólicas.
O método usa um espaço de representação compartilhado e espaços separados para dados únicos de cada modalidade, diferente de abordagens tradicionais. Treinamento em duas etapas ajuda o modelo a reconhecer informações compartilhadas e exclusivas em novas amostras.
Em testes com dados sintéticos e de células únicas, o modelo distinguiu informações compartilhadas entre modalidades como transcriptômica e acessibilidade de cromatina e identificou marcador de dano ao DNA em câncer.
Futuro: tornar o modelo mais interpretável, ampliar aplicações clínicas e confirmar o disentanglement, com financiamento de instituições como Schmidt Center, Swiss National Science Foundation e NIH.

A pesquisa apresenta um novo quadro de inteligência artificial que permite entender melhor o estado de uma célula ao combinar informações de diferentes métodos de medição. O objetivo é mapear o que é comum entre modalidades e o que é único, oferecendo uma visão mais completa dos mecanismos celulares.

Realizada por pesquisadores do Broad Institute do MIT e de Harvard, em parceria com ETH Zurich e o Paul Scherrer Institute (PSI), a inovação foi publicada na revista Nature Computational Science. A equipe descreve um sistema capaz de indicar a origem das informações dentro de uma célula, facilitando a interpretação por parte de biológicos clínicos.

O estudo envolve a pesquisadora Xinyi Zhang, ligada ao MIT e ao Broad Institute, que também atua como líder de grupo na AITHYRA, em Viena. Também participaram G.V. Shivashankar, da ETH Zurich e PSI, e Caroline Uhler, do MIT, com atuação conjunta no Broad Institute.

Novo método de aprendizado de máquina

Os autores destacam que medições múltiplas são comuns na biologia celular, como análise de RNA ou morfologia de cromatina. O novo framework utiliza um espaço de representação compartilhado e espaços separados para cada modalidade, permitindo identificar dados que se sobrepõem ou são exclusivos.

A abordagem muda o desenho típico de modelos de IA, que costumavam empilhar informações de cada modalidade sem diferenciar origem. Com o modelo proposto, o sistema informa automaticamente quais dados são compartilhados e quais são específicos de uma modalidade.

Aplicações e impactos potenciais

Em testes com dados sintéticos, o framework identificou com precisão informações compartilhadas e específicas. Em dados reais de células únicas, houve distinção entre atividade genética capturada por diferentes métodos, além de indicar qual técnica mede um marcador de DNA danificado em pacientes com câncer.

Segundo Uhler, o método pode responder a perguntas sobre quais modalidades medir ou prever, ajudando a planejar experimentos clínicos. A equipe também planeja tornar as informações mais interpretáveis e ampliar aplicações em questões clínicas.

Financiamento e perspectivas

O desenvolvimento contou com apoio de instituições como o Eric and Wendy Schmidt Center, a Swiss National Science Foundation e o NIH, entre outros. A pesquisa também recebeu recursos do Office of Naval Research, AstraZeneca, MIT-IBM Watson AI Lab e outros programas ligados ao Broad Institute.

Os autores destacam o potencial de oferecer uma visão mais holística do estado celular, o que pode facilitar o entendimento de mecanismos de doenças, incluindo câncer, neurodegeneração e doenças metabólicas.