В образцах сетчатки, выращенных в лаборатории, машинный алгоритм различает клетки с большей точностью, чем человек.
Обычно органы и ткани состоят сразу из нескольких типов клеток: стволовые клетки, которые дают начало органу, по мере развития расходятся по разным специализациям. И в случае сетчатки, например, у нас получается очень сложная многослойная структура с более чем десятью разновидностями клеток. Однако, несмотря на сложность наших органов, современные исследователи пытаются воспроизвести их в лабораторных экспериментах, выращивая микроскопические подобия органов (органоиды) из всё тех же стволовых клеток, направляя их развитие в нужную сторону с помощью молекулярных инструкций. Такие органоиды нельзя пересадить вместо настоящего большого органа, но зато на них можно изучать закономерности развития и поведения клеток в сложном органном комплексе, влияние лекарств и т. д.
Но тут есть одна существенная проблема: когда стволовые клетки дифференцируются в лабораторных условиях, то из них случайным образом может получиться больше одних специализированных клеток и меньше других. Скажем, в одном органоиде кишечника обычных эпителиальных клеток будет чуть больше, чем в другом органоиде, а эпителиальных железистых, выделяющих пищеварительные ферменты – чуть меньше. То есть органоиды получатся неодинаковые, и их неодинаковость может быть настолько большой, что возникнет вопрос – как ставить на них эксперименты и как результаты этих экспериментов будут согласованы друг с другом.
Естественный выход – научиться отбирать органоиды, близкие друг другу по клеточному составу. Но чтобы надёжно определить пропорцию клеток, нужно ввести в них гены светящихся белков, чтобы специализированные клетки одного типа светились так, а другие иначе. А в таком случае мы будем иметь дело с органоидом, составленным из модифицированных клеток, что не всегда удобно для дальнейших экспериментов. А если иметь в виду практические цели, вроде пересадки выращенной ткани больному человеку, то тут модификации цветными белками уж совсем ни к чему.
То есть хорошо бы научиться определять пропорцию клеток как они есть, по структуре ткани, по их натуральному внешнему виду. Человеческий глаз будет допускать тут много ошибок, а вот компьютерный алгоритм окажется более точным. Сотрудники Московского физико-технического института совместно с коллегами из Института системного программирования и Института глазных исследований им. Чарльза Шепенса Гарвардской школы медицины разработали нейросеть, распознающую ткани формирующейся сетчатки ещё до её окончательной дифференцировки.
Задача была в том, чтобы спрогнозировать развитие сетчатки из стволовых клеток, определить клетки, которые начали дифференцироваться в конкретном образце, и т. д. По структуре ткани это можно увидеть, однако, по словам авторов работы, если образцы ткани оценивает человек, то его критерии оценки будут довольно субъективны и потому не вполне точными. А вот специально обученный алгоритм окажется более точным.
Сначала фотографии развивающейся сетчатки оценивали эксперты – фотографий было 1200, и клетки можно было на них точно различить, поскольку в них была флуоресцентная метка. Нейросеть учили различать разные клетки в развивающейся сетчатке по точно определённым фото, но уже без флуоресцентной метки, просто по структуре ткани. Затем и люди, и алгоритм соревновались в описании неизвестных образцов ткани по фотографиям, сделанным просто в световом микроскопе, без меток. В статье в Frontiers in Cellular Neuroscience говорится, что люди определяли дифференцированные клетки с точностью около 67%, а алгоритм – с точностью 84%.
У этих результатов есть и сугубо практический аспект. Дело в том, что сетчатку, выращенную в лаборатории, можно пересадить больному, теряющему зрение – например, тому, у которого нейрон сетчатки гибнут из-за глаукомы, или из-за макулярной дистрофии. Но чтобы пересадка оказалась эффективной, нужно точно знать, что именно мы пересаживаем, подходит ли выращенный образец ткани для трансплантации, как он будет развиваться, будет ли в нём достаточно светочувствительных рецепторов. И тут алгоритм, с большой точностью рассматривающий развивающуюся сетчатку, пришёлся бы очень кстати. Впрочем, точно так же его можно использовать и для других тканей, выращиваемых в лаборатории для различных целей.
Иллюстрация к статье:
Обсуждение