Новый алгоритм предсказывает судьбу клеток по одному генетическому снимку

Исследователи из Каролинского института и Королевского технологического института (KTH) разработали вычислительный метод, способный раскрыть, как клетки изменяются и специализируются в организме. Исследование, опубликованное в журнале PNAS, может дать важные знания о том, почему этот процесс иногда нарушается и приводит к заболеваниям.

Обзор MultistageOT. A) Двумерные данные были сгенерированы в единичном квадрате для имитации образцов из процесса развития с известными начальными и конечными состояниями. B) MultistageOT решает регуляризованную энтропией многостадийную задачу оптимального транспорта массы по T стадиям, моделируя переходы между состояниями клеток в процессе дифференцировки с дискретным временем, где каждая стадия транспорта моделирует шаг дифференцировки. Автор: Proceedings of the National Academy of Sciences (2025). DOI: 10.1073/pnas.2516046122

Клеточная дифференцировка — фундаментальный процесс в организме. Он позволяет стволовым клеткам развиваться в различные типы клеток, такие как нейроны в мозге или иммунные клетки, защищающие от инфекций. Нарушение этого процесса может привести к серьёзным заболеваниям, но изучать его сложно.

Основная проблема заключается в том, что современные методы анализа отдельных клеток разрушают их при измерении, что означает, что исследователи получают лишь единичный снимок во времени.

Чтобы решить эту проблему, исследователи создали алгоритм под названием MultistageOT. Он основан на математических принципах, известных как оптимальный транспорт, и может восстановить весь процесс развития по одному снимку уровней экспрессии генов клеток.

«Когда мы секвенируем клетку, она разрушается, и это означает, что мы не знаем, как эта клетка будет выглядеть в будущем. Наш метод позволяет смоделировать весь процесс развития, даже если клетки наблюдаются в единственный момент времени», — говорит Магнус Тронстад, докторант кафедры медицины в Каролинском институте.

Может предсказать, как клетки созревают

Алгоритм учится заполнять недостающие промежуточные стадии развития и, следовательно, может предсказать, как клетки созревают и какую функцию будут выполнять. В исследовании метод был протестирован на данных о развитии клеток крови — сложной системе, где стволовые клетки дают начало многим различным типам кровяных клеток.

Результаты показывают, что MultistageOT способен не только восстанавливать траектории развития, но и идентифицировать клетки, отклоняющиеся от ожидаемого процесса, что является важным механизмом для избежания ложных выводов.

«Это даёт нам мощный инструмент для понимания того, как клетки принимают "решения" о своём будущем, что крайне важно для понимания возникновения заболеваний, когда дифференцировка идёт неправильно», — говорит Йоаким Далин, доцент той же кафедры Каролинского института.

Исследователи подчёркивают, что метод является универсальным и может использоваться в различных биологических системах, даже за пределами животного царства.

Исследование является результатом сотрудничества учёных Каролинского института и профессора Йохана Карлссона из KTH. Финансирование осуществлялось Шведским исследовательским советом, Фондом борьбы с раком и Каролинским институтом. Исследователи заявляют об отсутствии конфликта интересов.

Дополнительная информация: Magnus Tronstad et al, MultistageOT: Multistage optimal transport infers trajectories from a snapshot of single-cell data, Proceedings of the National Academy of Sciences (2025). DOI: 10.1073/pnas.2516046122

Источник: Karolinska Institutet