L'IA dans la recherche cellulaire : Moscot révèle la dynamique cellulaire avec une précision sans précédent
Un tournant dans la recherche médicale
Grâce à une nouvelle technologie appelée Moscot ("Multi-Omics Single-Cell Optimal Transport"), les chercheurs peuvent désormais observer simultanément des millions de cellules qui se développent pour former un nouvel organe, par exemple un pancréas. Cette méthode révolutionnaire a été mise au point par une équipe de recherche internationale dirigée par Helmholtz Munich et a fait l'objet d'une publication dans la revue Nature.
Jusqu'à présent, les biologistes n'avaient qu'une compréhension limitée de la manière dont les cellules se développent dans leur environnement naturel, par exemple lorsqu'elles forment un organe dans l'embryon. "Les méthodes existantes ne fournissaient que des instantanés de quelques cellules ou ne permettaient pas de relier les processus dynamiques dans l'espace et le temps", explique Dominik Klein, l'un des principaux auteurs de l'étude, candidat au doctorat à l'Institut de biologie informatique du Helmholtz de Munich et chercheur à l'Université technique de Munich (TUM). "Cela a considérablement limité notre compréhension des interactions complexes au cours du développement des organes et dans les processus pathologiques".
Moscot cartographie le développement cellulaire dans des organes et des organismes entiers
En collaboration avec une équipe interdisciplinaire dirigée par Giovanni Palla (Helmholtz Munich), Marius Lange (ETH Zurich), Michal Klein (Apple) et Zoe Piran (Université hébraïque de Jérusalem), Dominik Klein a mis au point Moscot. L'équipe s'est inspirée d'une théorie élaborée au XVIIIe siècle : la théorie du transport optimal, qui décrit comment les objets peuvent se déplacer le plus efficacement possible d'un endroit à un autre afin de minimiser le temps, l'énergie ou le coût. L'application du transport optimal à deux populations de cellules était auparavant limitée par la taille des ensembles de données biomédicales. Cet obstacle est désormais surmonté grâce aux progrès de l'intelligence artificielle, sur lesquels Marco Cuturi (Apple), coauteur de l'étude, a joué un rôle important. "Nous avons adapté nos modèles mathématiques pour représenter avec précision les informations moléculaires et la position des cellules dans l'organisme au cours de leur développement. La théorie du transport optimal nous aide à comprendre comment les cellules se déplacent, changent et passent d'un état à un autre", explique M. Klein. Il est désormais possible d'observer des millions de cellules simultanément, avec une précision inimaginable auparavant.
Moscot permet la cartographie multimodale de cellules uniques dans des tissus spatiaux et joue un rôle crucial dans les processus biologiques dynamiques. Il relie des millions de cellules au fil du temps, en associant les changements dans l'expression des gènes aux décisions cellulaires. La mise en œuvre de Moscot vise à analyser d'énormes ensembles de données à l'aide d'algorithmes complexes tout en fournissant une interface intuitive pour les biologistes. En outre, Moscot capture précisément et simultanément l'état moléculaire d'un grand nombre de cellules et décrit leur développement dans l'espace et le temps. Cela permet pour la première fois de suivre et de mieux comprendre les processus cellulaires complexes au sein d'organes et d'organismes vivants entiers.
De nouvelles perspectives pour la recherche sur le pancréas et le diabète
L'application de Moscot a apporté de nouvelles connaissances dans la recherche sur le pancréas : l'équipe a réussi à cartographier le développement des cellules productrices d'hormones dans le pancréas sur la base de mesures multimodales. Sur la base de ces résultats, les scientifiques peuvent désormais analyser en détail les mécanismes sous-jacents du diabète. "Cette nouvelle perspective sur les processus cellulaires ouvre la voie à des thérapies ciblées qui s'attaquent aux causes profondes des maladies au lieu de se contenter de traiter les symptômes", explique le professeur Heiko Lickert, qui dirige l'Institut de recherche sur le diabète et la régénération à Helmholtz Munich et qui est le dernier auteur de l'étude avec le professeur Fabian Theis.
Un tournant dans la recherche médicale
Fabian Theis, directeur de l'Institut de biologie informatique du Helmholtz de Munich et professeur à la TUM, souligne l'importance de Moscot pour la recherche biomédicale : "Moscot change la façon dont nous comprenons et utilisons les données biologiques. Il nous permet non seulement de saisir la dynamique du développement cellulaire avec des détails sans précédent, mais aussi de faire des prédictions précises sur la progression des maladies, dans le but de développer des approches thérapeutiques personnalisées."
Pour Theis, Moscot est un excellent exemple de collaboration interdisciplinaire : "La combinaison réussie des mathématiques et de la biologie dans ce projet démontre de manière impressionnante à quel point la collaboration entre différentes disciplines est cruciale pour réaliser de véritables percées scientifiques. Grâce à une étroite collaboration avec l'équipe dirigée par Heiko Lickert du Helmholtz Diabetes Center, nous avons pu valider les prédictions de Moscot par des expériences en laboratoire."
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Dominik Klein, Giovanni Palla, Marius Lange, Michal Klein, Zoe Piran, Manuel Gander, Laetitia Meng-Papaxanthos, Michael Sterr, Lama Saber, Changying Jing, Aimée Bastidas-Ponce, Perla Cota, Marta Tarquis-Medina, Shrey Parikh, Ilan Gold, Heiko Lickert, Mostafa Bakhti, Mor Nitzan, Marco Cuturi, Fabian J. Theis; "Mapping cells through time and space with moscot"; Nature, 2025-1-22
Autres actualités du département science
