Истражувачки тим предводен од Универзитетот за наука и технологија „Крал Абдула“ разви алатка со вештачка интелигенција што овозможува споредување на слични типови клетки кај далечно сродни видови. Системот, наречен Unify, може да помогне во процената на тоа кои откритија од животинските модели се најрелевантни за човековото здравје.
Научниците често користат секвенционирање на РНК на ниво на поединечни клетки за да утврдат кои гени се активни во секој клеточен тип. Со споредување на овие податоци може да се изгради карта на клеточните типови и нивните функции.
Досегашните алатки главно се потпираат на директни совпаѓања меѓу гените. Но, по стотици милиони години одделна еволуција, гените кај различни видови може да се променат, да добијат нови улоги или да бидат заменети со други гени што ја извршуваат истата функција.
Unify го надминува овој проблем така што не ги споредува само гените, туку и нивната биолошка улога. Алатката користи модели што ги анализираат протеинските секвенци и научните описи на функциите на гените, а потоа групира гени со сродни својства во функционални единици наречени макрогени.
Со овој пристап, тимот ги реконструирал односите меѓу 125 типови клетки од седум видови што ги разделуваат повеќе од 700 милиони години еволуција. Unify разликувал директно зачувани гени, гени што добиле нови функции и различни гени кои независно еволуирале за да извршуваат иста задача.
При анализата на имуните клетки кај повеќе видови, алатката открила заеднички одбранбени механизми што тешко би се забележале со методи ограничени на директно генетско совпаѓање. Во друг тест, врз основа на податоци од имуните клетки во лимфните јазли кај глувци, Unify го предвидела одговорот на човечките крвни клетки на одреден имунолошки сигнален протеин. Предвидувањата биле попрецизни од оние на постојните методи.
Истражувачите планираат да внесат и податоци за регулацијата на гените и за местоположбата на клетките во ткивата. Така би можела да се добие поширока слика за заедничките биолошки принципи кај различните форми на живот и попрецизно да се изберат животинските модели чии резултати најверојатно ќе бидат применливи кај луѓето.
Студијата е објавена во списанието Nature Communications под наслов „Unify learns cellular evolution with universal multimodal embeddings“.
