A IA ajuda os pesquisadores a entender a doença pulmonar e propor o tratamento

Os segredos da fibrose pulmonar idiopática (IPF) são escritos por seu nome. Referências idiopáticas a uma doença de causa desconhecida e a condição que converte tecido pulmonar saudável em tecido cicatricial fibroso, ainda levanta muitas questões.

A IPF se origina no perímetro dos pulmões e se move para dentro, compromete cada vez mais tecidos e, eventualmente, torna -se difícil para uma pessoa respirar. Não há cura para a IPF, e nem um dos dois medicamentos aprovados como tratamento pode reverter as cicatrizes – elas só a diminuem.

Em um novo estudo Publicado Em 20 de junho Engenharia biomédica da naturezaPesquisadores da Yale School of Medicine e colegas deram um passo importante para entender a IPF – e muitas outras doenças complexas – com um algoritmo que explica os dados da doença e propõe tratamento.

A equipe de pesquisa desenvolveu uma profunda rede nervosa genérica chamada UNAGI (dinâmica celular unificada no silico e estrutura de triagem de medicamentos) que poderia identificar padrões em dados específicos da doença.

Em poucas horas ou alguns dias, dependendo do computador, o Unagi pode aprender a brilhar o insight de centenas de milhares de células, diferenciar entre o meio Tipo de célulaEscolher genes envolvidos na progressão da doença e identificar as redes regulatórias relevantes. Em seguida, tenta vários medicamentos, desenhando de uma longa lista de compostos aprovados para ver se algum deles está sendo estudado ou não.

Embora o UNAGI tenha sido desenvolvido com dados da IPF, ele também pode ser aplicado à mudança de estados físicos, como envelhecimento e outras doenças, que os pesquisadores executaram usando dados COVID.

No escritor co-feminino Nftali Kaminsky, MD, Bohringer England Pharmaceuticals, Inc. Professor (Fulflee) A Yellow School of Medicine diz: “O modelo procura regulamentação-que é característica de mudanças e reconstruir e, em seguida, também sugere tratamento, usando o banco de dados conhecido”.

A pesquisa foi realizada em colaboração com cientistas da Universidade McGil, no Canadá, Ku Lewaven e muitas outras instituições na Bélgica.

Ai lê entre linhas

Na IPF, a distribuição da doença é variável, algumas áreas estão “doentes” em comparação com outras. Muitos anos atrás, Kaminski e colegas de Ku Lewaves desenvolveram um método para rastrear o progresso da IPF, que não requer acompanhamento frequente com os mesmos pacientes-que pode ser um desafio para pesquisadores que podem ser um desafio para pesquisadores que classificam a progressão da doença na mesma amostra.

A equipe de Ku Lewven coletou os pulmões doentes durante a cirurgia de transplante e os cortou em fatias, selecionando pedaços pequenos para representar vários estágios da doença. Yale Team listado padrão de expressão de genes Células individuais Destas amostras, rendimento Fibrose pulmonar Atlas de célula únicaAssim,

“Fizemos algumas descobertas importantes, incluindo o novo tipo de célula e população, chamado Cumminski. Mas os pesquisadores queriam entender melhor a trajetória da doença e havia uma falta de equipamento analítico para isso com seus dados.” Então, começamos a pensar em como implementar a IA para esse problema “.

Kaminski trabalhou com um professor assistente June Ding, PhD na McGill University School of Medicine, que lidera um laboratório especializado em biologia computacional. Os pesquisadores desenvolveram o UNAGI usando dados de sequenciamento de 230.000 células, fornecidas por Cumminski.

“Nosso modelo foi projetado para representar células virtuais e progressão da doença virtual”, diz Ding. Diferentemente da maioria dos modelos existentes, que são normais, o UNAGI é informado pela doença, o que significa que ele modela a doença em questão, identificando os respectivos genes e redes regulatórias. Em seguida, leva as informações de volta ao modelo, que refina a representação das células e da progressão da doença, que é conectar as nuances.

O UNAGI também requer supervisão mínima dos pesquisadores, aprendendo autônomo através de um processo de recorrência incorporado. Por outro lado, outros modelos devem ser treinados manualmente para interpretar novos conjuntos de dados ou testar vários medicamentos, que podem ser caros e demorados.

UNAGI Ao integrar novas informações sobre o caminho, ignora esse requisito, os dados estão indo profundamente e profundamente até que possam dizer com confiança quais células, genes e caminhos estão incluídos com confiança Progressão da doença“O modelo se desenvolve para entender cada vez mais sobre a doença”, diz Ding. “Esta é uma troca bidishista de informações”.

Então, com um banco de dados de milhares de medicamentos com um mecanismo de ação conhecido, a Unagi pode testar milhares de compostos e cuspir uma pequena lista de ciências médicas em potencial. Neste estudo, identificou oito medicamentos em potencial, um dos quais já é usado para a IPF. Os pesquisadores selecionaram uma das listas que estava fora de lugar para seu estudo de verificação. O pick-e bloqueadores de canais de cálcio A niffedipina é chamada pressão arterial alta é usada para tratar, mas o Unagi pensou que também poderia ter efeitos anti-fibróticos.

Quando os pesquisadores aplicaram o medicamento a fatias de tecido pulmonar humano, projetado para modelar a IPF, o medicamento bloqueou a formação de tecido cicatricial, como previu Anagi. Mesmo que a nifedipina não seja uma boa opção para fibrose, Kaminski diz: “Unagi está matando as rotas que não pensamos antes”.

Ele disse que a tecnologia como sequenciamento de célula única com IA moldará o futuro da região. “Temos uma convergência de métodos analíticos muito sofisticados baseados em IA e a capacidade de gerar dados que realmente possuem alta resolução suficiente para criar esses comentários”.

Pesquisadores da Faculdade de Medicina da Universidade de Hanover, Laboratório Nacional do Noroeste do Pacífico, Faculdade de Medicina de Medicina e Pittsburgh na Alemanha também colaboraram neste trabalho.