A IA facilita a identificação de subestruturas teciduais graças ao transcriptoma

Decifrar subestruturas de tecidos ou domínios espaciais é um dos grandes desafios para os biólogos. Assim, diferentes métodos têm sido adotados, mas poucos fazer uso eficaz das informações espaciais disponíveis dando origem a subestruturas teciduais muito discretas. Para superar este obstáculo, estudos recentes têm sido realizados e resultaram na criação de um nova abordagem baseada em um algoritmo bem estruturado.

De fato, o modelo usa tecnologia de inteligência artificial para integrar informações de localização espacial e perfil de expressão gênica de transferência espacial. Portanto, foi possível descrever melhor a fronteira do domínio do espaço celular e então melhorar o desempenho das subestruturas celularess.

ZHANG Shihua, especialista em aprendizado de máquina e biologia computacional, foi o principal autor do estudo. Além disso, os resultados da pesquisa foram publicados na revista Natureza Comunicações.

STARGATE, o algoritmo de última geração completo e confiável

Neste algoritmo, um autoencoder e um mecanismo de atenção gráfica são introduzidos na camada intermediária oculta. Assim, essas duas ferramentas são capazes de aprender semelhanças heterogêneas entre pontos vizinhos de forma adaptativa. Segundo os pesquisadores, o novo modelo converte as informações de localização espacial em uma rede vizinha espacial entre os pontos espaciais.

Então, este algoritmo alimenta as informações de expressão gênica e a rede espacial em um autocodificador de atenção gráfica para aprender uma representação de baixa dimensão de pontos. Além disso, o STARGATE combina recursos de dados do Visium e sugere um módulo de suporte de tipo de célula baseado em pré-agrupamento de informações de expressão.

Portanto, ele pode descrever ainda mais o limite do domínio do espaço celular. Finalmente, o novo modelo pode reduzir o efeito de lote entre diferentes seções, introduzindo uma rede espacial entre seções adjacentes. Desta forma, ocorre uma melhoria no desempenho das subestruturas tridimensionais do tecido.

Uma tecnologia com potencial promissor

A maioria dos métodos de agrupamento existentes não faz uso eficiente da informação espacial disponível, o que dá subestruturas de tecido muito discretas. A superioridade do STARGATE para decifrar subestruturas de tecidos ou domínios espaciais foi validada em vários conjuntos de dados.

Vale lembrar que pode ser usado para analisar dados de transcriptoma espacial de diferentes plataformas de sequenciamento com várias resoluções espaciais.

“Com o rápido desenvolvimento da tecnologia de ômica espacial e o acúmulo contínuo de dados, este novo modelo STAGATE pode facilitar a análise precisa de dados de transcriptoma espacial em grande escala e avançar nossa compreensão das subestruturas dos tecidos. »

ZHANG Shihua, especialista em aprendizado de máquina e biologia computacional e principal autor do estudo

FONTE: MIRA NEWS