Uma chave para a análise de milhões de células individuais

Nos últimos anos, os investigadores fizeram grandes progressos na tecnologia de célula única. Esta permite analisar os tecidos com base em células individuais e determinar as diferentes funções de cada tipo de célula. Estas análises podem ser utilizadas, por exemplo, para determinar de que forma o tabagismo, o cancro do pulmão ou a doença de Covid alteram as estruturas celulares individuais nos pulmões, comparando-as com células saudáveis.

Ao mesmo tempo, as análises estão a gerar volumes de dados cada vez maiores. Os métodos de aprendizagem automática destinam-se a ajudar a reinterpretar dados de conjuntos de dados existentes, a reconhecer informações significativas a partir dos padrões e a transferi-las para outras áreas.

A aprendizagem auto-supervisionada como uma nova abordagem

Fabian Theis, Professor de Modelação Matemática de Sistemas Biológicos, e a sua equipa realizaram um estudo para investigar se a aprendizagem auto-supervisionada é mais adequada para a análise de grandes quantidades de dados do que outros métodos. O estudo foi recentemente publicado na revista Natur Machine Intelligence. Esta forma de aprendizagem automática funciona com dados não rotulados. Não são necessários dados de amostra classificados à partida. Isto significa que os dados não têm de ser previamente atribuídos manualmente a grupos específicos. Os dados não rotulados estão disponíveis em grandes quantidades e permitem uma representação robusta de grandes quantidades de dados.

A aprendizagem auto-supervisionada baseia-se em dois métodos. Na chamada aprendizagem mascarada, parte dos dados de entrada é tornada irreconhecível e o modelo é treinado de forma a poder reconstruir as partes em falta. Os investigadores também utilizaram a aprendizagem contrastiva, em que o modelo aprende a juntar dados semelhantes e a separar dados diferentes.

A equipa testou ambos os métodos de aprendizagem auto-supervisionada em mais de 20 milhões de células individuais e comparou-os com os resultados dos métodos de aprendizagem clássicos. Ao avaliarem os diferentes métodos, os investigadores centraram-se em tarefas como a previsão de tipos de células ou a reconstrução da expressão genética.

Oportunidades para o desenvolvimento de células virtuais

Os resultados do estudo mostram que a aprendizagem auto-supervisionada oferece um valor acrescentado, nomeadamente para as tarefas de transferência. Por outras palavras, quando aplicada a conjuntos de dados mais pequenos, em que a informação é transferida de bases de dados maiores. Além disso, os resultados são prometedores para as previsões de células zero, ou seja, para tarefas que não tenham sido treinadas previamente. A comparação entre a aprendizagem mascarada e a aprendizagem contrastiva mostra que a aprendizagem mascarada é mais adequada para grandes conjuntos de dados unicelulares.

Utilizando os dados, os investigadores estão a trabalhar no desenvolvimento das chamadas células virtuais, ou seja, modelos informáticos abrangentes que mapeiam a diversidade das células em diferentes conjuntos de dados. Estes modelos são promissores para a análise das alterações celulares, por exemplo, como acontece no caso do cancro. Os resultados do estudo fornecem informações valiosas sobre o modo como esses modelos podem ser treinados de forma mais eficiente e melhorados.