Московские ученые поняли, как узнать причины болезней

Современная биомедицина все активнее использует цифровые технологии и методы искусственного интеллекта, поскольку они помогают быстрее анализировать огромные массивы клеточных данных и находить закономерности, которые трудно заметить вручную.

Это особенно важно для исследования сложных заболеваний, где на развитие болезни влияет сразу несколько типов клеток и молекулярных процессов.

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, разработка способна автоматически определять тип клеток, отличать раковые клетки от здоровых, а также выявлять иммунные клетки, вызывающие хроническое воспаление при ожирении. Такой инструмент может значительно ускорить научные исследования и повысить точность диагностики, а в перспективе — помочь врачам и фармацевтам эффективнее разрабатывать новые методы лечения и лекарства. Об этом сообщили в пресс-службе Российского научного фонда.

Кроме того, подобные программные решения открывают возможности для более глубокого изучения взаимодействия клеток в организме и поиска ранних признаков патологий. В будущем такие технологии могут стать важной частью персонализированной медицины, где лечение подбирается с учетом особенностей конкретного пациента и его биологических показателей.

Современная биомедицина все активнее переходит от обобщенного подхода к точной и персонализированной диагностике, однако для многих заболеваний по-прежнему остаются не до конца понятны их молекулярные и клеточные механизмы. Именно поэтому значительная часть терапии сегодня носит симптоматический характер и не всегда позволяет воздействовать на первопричину болезни. Более глубокое изучение клеточного состава тканей и особенностей отдельных клеток открывает новые возможности для раннего выявления патологий, оценки их течения и подбора наиболее эффективного лечения.

Автоматизировать этот процесс помогает инструмент scParadise — разработка для определения типов клеток и прогнозирования их свойств на основе генетических данных. С его помощью исследователи смогут быстрее анализировать сложные биологические образцы, выявлять важные различия между клеточными популяциями и точнее интерпретировать результаты экспериментов. Такие технологии особенно востребованы в современной науке, где объем генетической информации растет очень быстро и требует надежных методов обработки.

Новый инструмент создали специалисты Медицинского научно-образовательного института Московского государственного университета имени М.В. Ломоносова, Национального исследовательского центра эпидемиологии и микробиологии имени Н.Ф. Гамалеи Минздрава России, а также Центра стратегического планирования и управления медико-биологическими рисками здоровью ФМБА России. Разработка может стать важным шагом в сторону более точной медицины, где выбор терапии будет опираться не только на общие клинические данные, но и на индивидуальные особенности клеток конкретного пациента. В перспективе подобные инструменты способны ускорить научные исследования, повысить точность диагностики и помочь в создании более эффективных персонализированных схем лечения.

Современная разработка представляет собой сложное программное решение, созданное на основе оригинальных архитектур нейросетей, которые были разработаны научным коллективом специально для решения поставленных исследовательских задач. По словам одного из авторов работы, младшего научного сотрудника Научно-исследовательской лаборатории генных и клеточных технологий Медицинского научно-образовательного института МГУ имени М.В. Ломоносова Елизаветы Чечехиной, эта система открывает новые возможности для анализа биологических данных и позволяет значительно повысить точность исследований.

Модель обучалась на данных секвенирования одиночных клеток, что делает ее особенно ценной для работы с большими и разнородными массивами информации. При этом исследователи нередко использовали сведения, полученные по одной и той же ткани, но в разных лабораториях, что требовало тщательной предварительной обработки. Все такие данные необходимо было привести к единому формату, устранить различия между наборами и собрать в общий массив, подходящий для качественного обучения нейросети.

По сути, именно на этапе подготовки данных закладывается основа для успешной работы подобных интеллектуальных систем. Чем более корректно объединены и структурированы исходные материалы, тем надежнее результат, который затем может использоваться в научных и медицинских задачах. Таким образом, разработка демонстрирует, как современные методы машинного обучения помогают решать сложные задачи в области биомедицины и ускоряют получение значимых научных выводов.

Новая разработка, по словам исследователя, способна заметно расширить возможности современной диагностики и сделать её более точной. В перспективе она поможет не только различать раковые и здоровые клетки, но и выявлять особые иммунные клетки, которые участвуют в поддержании хронического воспаления при ожирении и других нарушениях обмена веществ. Это особенно важно, поскольку раннее и точное определение клеточных изменений позволяет лучше понимать природу заболевания и выбирать более эффективную терапию.

В настоящее время существующие методы определения типов клеток позволяют лишь в определённой степени различать их основные характеристики и понимать общие различия между клеточными группами. Однако современные исследования постепенно переходят на более глубокий уровень анализа, когда учёные изучают уже не только крупные категории, но и отдельные мелкие подтипы клеток. Именно такие небольшие, на первый взгляд малозаметные различия могут оказывать серьёзное влияние на развитие болезни, её течение и реакцию организма на лечение.

По мнению специалистов, именно внимание к этим тонким клеточным особенностям открывает путь к созданию более точных диагностических инструментов и персонализированных препаратов. В будущем подобные технологии смогут использоваться в онкологии, иммунологии и лечении метаболических заболеваний, помогая подбирать терапию под конкретную мишень и под особенности организма каждого пациента.

Мы значительно расширили возможности изучения состава биологических тканей на клеточном уровне, что позволяет точнее понимать, какие процессы происходят в организме и как они связаны с развитием различных заболеваний, — рассказала сотрудница МГУ. Такой подход открывает новые перспективы для фундаментальных исследований и практической медицины, поскольку помогает получать более детальную картину состояния тканей.

Отбор клеток для исследования может проводиться при анализе крови, биопсии или во время хирургического вмешательства. После получения образца ткани клетки с помощью специальных методов выделяются в виде суспензии, то есть раствора, в котором они сохраняют пригодность для дальнейшего анализа. Затем отдельные клетки подвергаются процедуре секвенирования, позволяющей определить, какие гены в них активны и как именно они работают в конкретный момент.

По словам исследовательницы, их разработка делает такой анализ более доступным и удобным для специалистов, работающих с биологическими образцами. Важным преимуществом является то, что программу можно бесплатно скачать и использовать исследователям по всему миру, что способствует распространению технологии и ускоряет внедрение современных методов клеточного анализа в науку и медицину.

Переписанный текст:

Эта область продолжает активно развиваться: мы регулярно создаем, обучаем и публикуем в открытом доступе все больше моделей, предназначенных для анализа различных клеток, тканей и даже целых организмов — как человеческих, так и животных. Такие инструменты особенно важны для современной биомедицины, поскольку они позволяют ускорять исследования, повышать точность интерпретации данных и находить закономерности, которые раньше было трудно заметить. По словам исследовательницы, разные научные коллективы уже могут использовать наши разработки как в фундаментальных, так и в прикладных проектах, что значительно расширяет возможности научного сообщества.

Авторы работы также подчеркивают, что в ходе проведенных экспериментов их разработка продемонстрировала крайне высокую точность — 99,9 процента. Это делает модель особенно надежной для последующего применения в исследованиях, связанных с клеточными процессами и тканевыми изменениями. Кроме того, ученым удалось экспериментально подтвердить существование в жировой ткани трех новых подтипов иммунных клеток, наличие которых ранее было предсказано самой моделью. Подобный результат показывает, что подобные технологии способны не только обрабатывать большие массивы данных, но и помогать в формировании новых научных открытий.

Современная медицина все чаще опирается на инструменты, которые помогают не только уточнять диагноз, но и глубже понимать, как именно у конкретного пациента развивается заболевание. Именно такие решения особенно востребованы в научных и клинических исследованиях, где важна работа с индивидуальными особенностями организма.

«Мы рассчитываем на интерес медиков к нашей разработке, поскольку она позволяет анализировать индивидуальные особенности развития патологий у пациентов и исследовать происхождение заболеваний», — отметила Чечехина. По ее словам, подобные технологии могут стать важным подспорьем для врачей и исследователей, поскольку дают возможность лучше прослеживать механизмы формирования патологий, выявлять их ранние признаки и точнее оценивать возможные пути развития болезни.

Разработка такого рода особенно ценна в контексте персонализированной медицины, где подход к лечению строится с учетом уникальных характеристик каждого пациента. Это открывает перспективы для более точной диагностики, выбора эффективной терапии и углубленного изучения биологических причин заболеваний, которые ранее было сложнее анализировать.

Исследование выполнялось при поддержке гранта Российского научного фонда (проект № 25-75-30005). Полученные результаты были опубликованы в журнале Nucleic Acids Research, что подтверждает научную значимость работы и ее вклад в развитие современных биомедицинских исследований.

Источник и фото - ria.ru