В Москве создали программу для поиска клеток, участвующих в развитии болезней

МОСКВА, 3 авг — РИА Новости. Лучше понять механизмы развития многих заболеваний позволит программа, созданная учеными МГУ имени М.В. Ломоносова в составе исследовательского коллектива. По словам авторов, их разработка может автоматически определять тип клеток, отличать раковые клетки от здоровых, а также выявлять иммунные клетки, вызывающие хроническое воспаление при ожирении, что позволит эффективнее разрабатывать новые методы лечения и лекарства. Об этом сообщили в пресс-службе Российского научного фонда.

На сегодняшний день механизмы развития многих заболеваний остаются не до конца изученными, из-за чего их лечение остается симптоматическим. Определение типов клеток и предсказание их свойств поможет исследователям понять причины болезней и подбирать персональное лечение для каждого пациента.

Инструмент для автоматического определения типов клеток и предсказания их свойств на основе генетических данных — scParadise — создали исследователи Медицинского научно-образовательного института Московского государственного университета (МГУ) имени М.В. Ломоносова, Национального исследовательского центра эпидемиологии и микробиологии имени Н.Ф. Гамалеи Минздрава России, Центра стратегического планирования и управления медико-биологическими рисками здоровью ФМБА России.

Разработка представляет собой сложное программное решение, в основе которого лежат созданные научным коллективом уникальные архитектуры нейросетей, сообщила один из авторов работы, младший научный сотрудник Научно-исследовательской лаборатории генных и клеточных технологий Медицинского научно-образовательного института МГУ имени М.В. Ломоносова Елизавета Чечехина.

"Нейросети обучены на данных секвенирования одиночных клеток. Нередко мы собирали данные по одной ткани, сделанные сразу в нескольких лабораториях. Все эти данные мы обрабатывали и сводили в единый массив, приемлемый для обучения нейросети", — пояснила она.

По словам исследователя, разработка будет полезна в диагностике заболеваний: например, она поможет отличать раковые клетки от здоровых, а также выявлять иммунные клетки, вызывающие хроническое воспаление при ожирении. Это, в свою очередь, даст возможность создавать более эффективные персонализированные лекарства, действующие на конкретную мишень.

"Существующие методы определения типов клеток позволяют с какой-то степенью глубины понимать различия между теми или иными клетками. Но наука вышла на новый уровень, и мы начали разбираться уже в отдельных мелких, но тем не менее очень важных подтипах клеток, которые могут играть огромную роль в развитии того или иного заболевания. Мы углубили возможность понимания состава биологических тканей на клеточном уровне", — рассказала сотрудница МГУ.

Отбор клеток для исследования происходит при анализе крови, биопсии или во время хирургического вмешательства. Из фрагмента ткани клетки специализированными методами выделяются в виде суспензии (раствора), затем одиночные клетки проходят процедуру секвенирования, которая показывает, какие гены в них проявляются.

"Что касается нашей разработки, то она доступна для бесплатного скачивания и использования специалистами во всем мире. Она развивается: мы постоянно создаем, обучаем и выкладываем в открытый доступ все больше моделей для разных клеток, тканей и даже организмов — не только людей, но и животных. Разные научные группы могут использовать наши модели для своих фундаментальных или практических исследований", — сообщила исследователь.

Авторы утверждают, что в проведенных ими экспериментах разработка показала точность в 99,9 процентов. Коллективу удалось экспериментально доказать наличие в жировой ткани трех новых подтипов иммунных клеток, существование которых было предсказано их моделью.

"Мы рассчитываем на интерес медиков к нашей разработке, поскольку она позволяет анализировать индивидуальные особенности развития патологий у пациентов и исследовать происхождение заболеваний", — заключила Чечехина.

Исследование проводилось при поддержке гранта Российского научного фонда (Проект № 25-75-30005). Результаты опубликованы в Nucleic Acids Research.