癌癥研究人員公布了一種能夠提供細胞級癌細胞映射圖和可視化圖像的新型 AI 模型。科學家希望這能揭示某些細胞間的關(guān)系以及引發(fā)癌細胞生長的誘因。

總部位于圣迭戈的初創(chuàng)公司 BioTuring 發(fā)布了一個 AI 模型，該模型能夠以單細胞分辨率快速創(chuàng)建癌癥腫瘤的詳細可視化圖像。這種細粒度數(shù)據(jù)可以顯示細胞的大小、形狀、被激活的基因，更重要的是，可以顯示組織樣本中數(shù)百萬個不同細胞的相對空間位置。

與速度慢得多的傳統(tǒng)生物計算方法不同，新模型能夠?qū)崟r、高分辨率地洞察腫瘤變化以及癌細胞和免疫細胞之間的相互作用。

BioTuring 首席執(zhí)行官 Son Pham 表示：“人體內(nèi)大約有 30 萬億個細胞，一次大型腫瘤活檢就能看到幾百萬個細胞。這就好比為了了解一座城市的運作情況而對高分辨率的衛(wèi)星圖像進行分析，我們的模型所做的就是展示每棟房屋、房屋里有什么、誰在和誰說話以及他們在說什么。”

“同樣，我們的模型可以讓你看到哪些細胞正在相互作用，哪些細胞群正在形成并相互作用，以及它們正在形成什么樣的關(guān)系，這樣就可以解答臨床腫瘤研究中的一些復雜的難題?！?/p>

BioTuring 是 NVIDIA 初創(chuàng)加速計劃成員之一，該公司目前正在進行單細胞空間組學研究。這個生物學子領(lǐng)域?qū)ｉT研究位于組織原始空間環(huán)境中的生物分子，例如信使 RNA 和蛋白質(zhì)。

為了創(chuàng)建包括卵巢癌細胞在內(nèi)的高分辨率映射圖或“疾病細胞圖譜”，研究小組使用了NVIDIA GPU以及NVIDIA cuBLAS和NVIDIA cuSPARSE庫加速優(yōu)化分析中的矩陣運算，包括傳統(tǒng)的機器學習算法、加權(quán)基因共表達網(wǎng)絡(luò)分析和 CellChat 等。

了解癌細胞如何在人體內(nèi)，尤其是如何在器官內(nèi)的微環(huán)境中發(fā)展和轉(zhuǎn)移可以改進早期癌癥檢測的篩查方法。此外，研究人員還可以利用該模型的細胞洞察更好地了解腫瘤異質(zhì)性，即同一患者癌癥腫瘤細胞之間的實質(zhì)性差異。

憑借其更高的視覺粒度，新模型大大提高了研究人員和藥物開發(fā)人員發(fā)現(xiàn)分子標記，從而更準確地靶向癌細胞的可能性。

例如，該模型可以看到人的殺傷性 T 細胞（人類的抗病細胞）如何改變形態(tài)來對抗癌癥。如果能夠了解人的免疫系統(tǒng)如何通過改變形態(tài)對抗特定癌癥，藥物開發(fā)人員就可以創(chuàng)造出支持病人免疫系統(tǒng)的合成療法。

BioTuring 首席運營官 Rujuta Narurkar 表示：“我們正在幫助研究人員挖掘可以用來推動治療策略發(fā)展的生物學發(fā)現(xiàn)。如果能夠了解腫瘤各個階段的微環(huán)境，就能幫助研究人員繪制癌癥的發(fā)展軌跡并有可能揭示癌癥本身的來源。這種新的癌細胞組織成像技術(shù)過去難以實現(xiàn)，但新技術(shù)的突破現(xiàn)在正使其成為可能。”