L'intelligenza artificiale nella ricerca cellulare: il Moscot rivela le dinamiche cellulari con un dettaglio senza precedenti
Una svolta nella ricerca medica
Grazie a una nuova tecnologia chiamata Moscot ("Multi-Omics Single-Cell Optimal Transport"), i ricercatori sono ora in grado di osservare simultaneamente milioni di cellule mentre si sviluppano in un nuovo organo, ad esempio il pancreas. Questo metodo innovativo è stato sviluppato da un gruppo di ricerca internazionale guidato da Helmholtz Munich. I risultati sono stati pubblicati sulla rivista scientifica Nature.
Finora, i biologi avevano solo una comprensione limitata di come le cellule si sviluppano nel loro ambiente naturale, ad esempio quando formano un organo nell'embrione. "I metodi precedenti fornivano solo istantanee di poche cellule e non erano in grado di collegare i processi dinamici nello spazio e nel tempo", spiega Dominik Klein, uno dei primi autori dello studio, dottorando presso l'Istituto di Biologia Computazionale di Helmholtz Monaco e scienziato dell'Università Tecnica di Monaco (TUM). "Questo ha limitato fortemente la nostra comprensione delle complesse interazioni durante lo sviluppo degli organi e dei processi patologici".
Moscot impara a conoscere lo sviluppo cellulare in interi organi e organismi
Dominik Klein ha sviluppato Moscot insieme a un team interdisciplinare guidato da Giovanni Palla (Helmholtz di Monaco), Marius Lange (ETH di Zurigo), Michal Klein (Apple) e Zoe Piran (Hebrew University of Jerusalem). Il team si è basato su una teoria sviluppata già nel XVIII secolo: la teoria del trasporto ottimale, che descrive come gli oggetti possano essere spostati da un luogo all'altro nel modo più efficiente possibile, al fine di ridurre al minimo il tempo, l'energia o i costi. L'applicazione del trasporto ottimale a due popolazioni di cellule era in precedenza limitata dalle dimensioni dei set di dati biomedici. Questo ostacolo è stato ora superato grazie ai progressi dell'intelligenza artificiale, che sono stati in gran parte modellati dal co-autore Marco Cuturi (Apple). "Abbiamo adattato i nostri modelli matematici in modo che possano mappare con precisione le informazioni molecolari e la posizione delle cellule nel corpo durante il loro sviluppo. La teoria del trasporto ottimale ci aiuta a capire come le cellule si muovono, cambiano e passano da uno stato all'altro", spiega Klein. Ora è possibile osservare milioni di cellule contemporaneamente, con una precisione finora inimmaginabile".
Moscot offre una mappatura multimodale delle singole cellule nei tessuti spaziali e svolge un ruolo decisivo nei processi biologici dinamici. Permette di collegare temporalmente milioni di cellule, consentendo di correlare i cambiamenti nell'espressione genica con le decisioni delle cellule. L'implementazione di Moscot mira ad analizzare enormi quantità di dati utilizzando algoritmi complessi e creando un accesso intuitivo per i biologi. Inoltre, Moscot registra con precisione e simultaneamente lo stato molecolare di un gran numero di cellule e ne descrive in parallelo lo sviluppo nello spazio e nel tempo. Ciò rende possibile per la prima volta tracciare e comprendere meglio i complessi processi cellulari all'interno di interi organi e organismi viventi.
Nuovi spunti per la ricerca sul pancreas e sul diabete
L'applicazione di Moscot ha fornito nuovi spunti per la ricerca sul pancreas in particolare: Il team è riuscito a mappare lo sviluppo delle cellule produttrici di ormoni nel pancreas sulla base di misurazioni multimodali. Su questa base, gli scienziati possono ora decifrare in dettaglio i meccanismi alla base del diabete. "Questa nuova visione dei processi cellulari apre la strada a terapie mirate che affrontano direttamente le cause delle malattie, anziché limitarsi a trattare i sintomi", afferma il Prof. Heiko Lickert, che dirige l'Istituto per il diabete e la ricerca sulla rigenerazione di Helmholtz Monaco ed è l'ultimo autore dello studio insieme al Prof. Fabian Theis.
Una svolta nella ricerca medica
Fabian Theis, direttore dell'Istituto di Biologia Computazionale di Helmholtz Munich e professore della TUM, sottolinea l'importanza di Moscot per la ricerca biomedica: "Moscot sta cambiando il modo in cui comprendiamo e utilizziamo i dati biologici. Non solo ci permette di catturare le dinamiche dello sviluppo cellulare con un dettaglio senza precedenti. Possiamo anche fare previsioni precise sullo sviluppo delle malattie, con l'obiettivo di sviluppare approcci terapeutici personalizzati".
Per Theis, Moscot è un ottimo esempio di collaborazione interdisciplinare: "La combinazione vincente di matematica e biologia in questo progetto dimostra in modo impressionante quanto sia cruciale la cooperazione tra discipline diverse per ottenere vere scoperte scientifiche. Grazie alla stretta collaborazione con il team di Heiko Lickert dell'Helmholtz Diabetes Centre, siamo stati in grado di convalidare le previsioni fatte da Moscot con esperimenti in laboratorio."
Nota: questo articolo è stato tradotto utilizzando un sistema informatico senza intervento umano. LUMITOS offre queste traduzioni automatiche per presentare una gamma più ampia di notizie attuali. Poiché questo articolo è stato tradotto con traduzione automatica, è possibile che contenga errori di vocabolario, sintassi o grammatica. L'articolo originale in Tedesco può essere trovato qui.
Pubblicazione 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
Altre notizie dal dipartimento scienza
