Соединяя генетику и системы скрининга лекарственных средств: успешное создание виртуальной клетки

Команда профессора Ли Миня из Центрально-Южного университета совместно с исследователем Яо Цзянхуа из лаборатории наук о жизни Tencent предложила унифицированную основу моделирования клеточных возмущений UniPert-G2CP. Эта структура соединяет генетический и химический скрининг возмущений на двух уровнях: молекулярных характеристик и фенотипического моделирования, что предоставляет новый вычислительный подход для создания виртуальных клеток. Результаты работы недавно были опубликованы в журнале Cell.

В последние годы создание «виртуальных клеток», способных понимать и предсказывать поведение биологических систем, стало важным передовым направлением на стыке искусственного интеллекта и наук о жизни. Виртуальные клетки должны интегрировать многомасштабную и мультимодальную биологическую информацию, моделируя реакции клеток на различные молекулярные вмешательства. Предложенная структура UniPert-G2CP сначала создает единое пространство представлений, связывающее генетические и химические факторы возмущения, путем интеграции мультимодальной информации о макромолекулярных белках и низкомолекулярных соединениях, а также с использованием методов контрастного обучения, графовых нейронных сетей и выравнивания последовательностей. На этой основе G2CP использует крупномасштабные данные о генетических возмущениях для предварительного обучения, изучая биологические знания, скрытые в генетических возмущениях, и применяет тонкую настройку на данных о химических возмущениях для трансферного обучения между доменами, что позволяет достичь эффективного фенотипического моделирования для клеточно-специфичного скрининга лекарств.

Исследовательская группа систематически оценила эту структуру на нескольких крупномасштабных наборах данных о клеточных возмущениях в двух доменах. Результаты показали, что UniPert-G2CP способен эффективно переносить знания между генетическими и химическими возмущениями, точно предсказывая фенотипические реакции клеток в условиях невидимых малых молекул, сохраняя при этом способность описывать гетерогенные паттерны реакций в разных клеточных контекстах и снижая потребность в крупномасштабных экспериментальных данных для моделирования химических возмущений. Дальнейший анализ показал, что совместное пространство представлений факторов возмущения и фенотипов, изученное этой структурой, может поддерживать анализ механизмов действия лекарств и выявление потенциальных связей с мишенями. Это исследование преодолевает традиционно независимые парадигмы анализа данных генетического и химического скрининга, создавая унифицированную основу моделирования клеточных возмущений от мультимодальных молекулярных представлений до кросс-доменного фенотипического переноса, что предоставляет новую вычислительную парадигму для интеграции информации о различных типах молекулярных вмешательств и создания виртуальных клеток с предсказательной способностью.