Машинное обучение помогло вырастить искусственную сетчатку

Исследователи из России и США создали нейросеть, которая может распознавать ткани формирующейся сетчатки еще до ее окончательной дифференцировки. Для этого алгоритму не нужна дополнительная модификация клеток. Программа найдет применение в выращивании искусственной сетчатки для пересадки. Работа ученых опубликована в журнале Frontiers in Cellular Neuroscience.

Органы и ткани в живых организмах состоят из клеток, которые обладают разными функциями и свойствами, возникающими в процессе развития. В самом начале все клетки одинаковые, но они потенциально способны дифференцироваться. Когда в некоторых из них начинают синтезироваться белки, работающие в определенных тканях, происходит дифференцировка и специализация клеток. После этого они образуют разные ткани и органы.

Сегодня для создания различных тканей «в пробирке» ученые используют технологию дифференцировки в трехмерных клеточных агрегатах — органоидах. Она эффективна для исследования развития сетчатки, мозга, внутреннего уха, кишечника, поджелудочной железы и многих других тканей. Благодаря тому, что процесс дифференцировки по данной технологии основывается на естественных механизмах развития, синтезируемая ткань оказывается наиболее схожей с настоящим органом.

Для определения дифференцированных клеток при работе с тканями исследователи применяют флуоресцентные белки. Для этого ген светящегося белка добавляют в ДНК клеток, в результате чего последние начинают его синтезировать. Но такой метод не позволяет производить клетки для трансплантации или моделирования наследственных заболеваний. Поэтому авторы новой работы из Гарвардской медицинской школы, МФТИ и Института системного программирования РАН предложили альтернативный подход для анализа, который основан на структуре самой ткани. На данный момент нет надежных и объективных критериев, с помощью которых можно предсказать качество дифференцировки клеток. Чтобы решить проблему отбора лучших тканей сетчатки для дальнейшей трансплантации, скрининга лекарственных препаратов или моделирования заболеваний, ученые решили использовать алгоритмы на основе машинного обучения.

Исследователи обучили нейросеть находить ткани развивающейся сетчатки. Для этого ученые «скормили» алгоритму 750 фотографий с простого светового микроскопа. Изображения были отобраны экспертами, которые распознавали на 1200 изображениях дифференцированные клетки при помощи флуоресцентного репортера. После обучения еще 150 фотографий авторы использовали для валидации результатов и 250 — для тестирования нейросети. После проверки всех предсказаний оказалось, что люди определяли дифференцированные клетки с точностью около 67%, в то время как нейросеть имела точность 84%. Авторы предполагают, что новый алгоритм поможет выращивать искусственные сетчатки быстро и дешево.

Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.

Пресс-релизы о научных исследованиях, информацию о последних вышедших научных статьях и анонсы конференций, а также данные о выигранных грантах и премиях присылайте на адрес science@indicator.ru.