Investigadores de la Universidad de Michigan y la Universidad de Brown han desarrollado un nuevo método computacional para analizar datos complejos de tejidos que podrían cambiar nuestra comprensión actual de las enfermedades y cómo las tratamos.
La segmentación de tejidos integrada y de referencia, o IRIS, es un nuevo enfoque de aprendizaje automático e inteligencia artificial que brinda a los investigadores biomédicos la capacidad de ver información más precisa sobre el crecimiento de los tejidos, la patología de las enfermedades y la organización de los tumores.
Los hallazgos se publican en la revista Nature Methods..
IRIS se basa en datos generados por transcriptómica resuelta espacialmente y combina de manera única datos de secuenciación de ARN unicelular para examinar simultáneamente múltiples capas de tejido y distinguir diferentes regiones con una precisión y velocidad computacional sin precedentes.
A diferencia de las técnicas tradicionales que obtienen datos promedio de muestras de tejido, la SRT proporciona una vista mucho más granular, identificando miles de ubicaciones en una sola sección de tejido. Sin embargo, interpretar este vasto y detallado conjunto de datos siempre ha sido un desafío, afirma Xiang Zhu, profesor de bioestadística de la Facultad de Salud Pública de la Universidad de Michigan y autor principal del estudio.
En la interpretación de conjuntos de datos grandes y complejos, IRIS se convierte en una herramienta útil: sus algoritmos clasifican los datos para identificar y segmentar diferentes dominios funcionales, como regiones tumorales y células, que proporcionan información sobre las interacciones y los mecanismos de progresión de la enfermedad.
“A diferencia de los métodos existentes, IRIS caracteriza directamente el paisaje celular de un tejido e identifica dominios espaciales biológicamente interpretables, facilitando así la comprensión de los mecanismos celulares que subyacen a la función del tejido”, dijo el Ph.D. de la UM, Elm Young Ma, profesor asistente de bioestadística en la Universidad de Brown. . quien ayudó a desarrollar IRIS.
“Esperamos que IRIS sirva como una poderosa herramienta para el análisis de datos transcriptómicos espaciales de múltiples muestras a gran escala en una amplia gama de sistemas biológicos”.
Zhou y Ma aplicaron IRIS a seis conjuntos de datos SRT y compararon su rendimiento con otros métodos de dominio espacial comúnmente utilizados. En última instancia, a medida que la popularidad y el uso de la tecnología SRT continúan creciendo, los investigadores esperan que métodos como IRIS puedan potencialmente desarrollar objetivos para intervenciones clínicas u objetivos farmacológicos, planes de tratamiento personalizados y resultados de salud de los pacientes.
“El enfoque computacional de IRIS proporciona una nueva forma para que los biólogos exploren la arquitectura compleja de tejidos complejos, las estructuras dinámicas que dan forma a la estructura del tejido durante el desarrollo y la progresión de la enfermedad”, dijo Zhou, ofrece oportunidades sin precedentes para explorar la acción. “Al caracterizar la estructura más fina de los tejidos y dilucidar sus cambios durante los estados patológicos, IRIS tiene el potencial de descubrir importantes conocimientos mecanicistas para comprender y combatir diversas enfermedades”.
