Des scientifiques de l’Université de Californie à Irvine ont développé un nouveau cadre d’apprentissage en profondeur qui prédit la régulation des gènes au niveau de la cellule one of a kind.



L’apprentissage en profondeur, une famille de méthodes d’apprentissage automatique basées sur des réseaux de neurones artificiels, a révolutionné des programs telles que l’interprétation d’images, le traitement du langage naturel et la conduite autonome. Dans une étude publiée récemment dans Science Innovations, les chercheurs de l’UCI décrivent comment la strategy peut également être utilisée avec succès pour observer la régulation des gènes au niveau cellulaire. Jusqu’à présent, ce processus était limité à l’analyse au niveau des tissus.

Une nouvelle capacité pourrait approfondir la compréhension et le traitement de maladies telles que le most cancers

Selon le co-auteur principal Xiaohui Xie, professeur d’informatique à l’UCI, le cadre permet d’étudier la liaison des facteurs de transcription au niveau cellulaire, ce qui était auparavant extremely hard en raison du bruit intrinsèque et de la rareté des données unicellulaires. Un facteur de transcription est une protéine qui contrôle la traduction des informations génétiques de l’ADN en ARN Les TF régulent les gènes pour s’assurer qu’ils sont exprimés dans le bon ordre et au bon instant dans les cellules.



« La percée a été de réaliser que nous pouvions tirer parti de l’apprentissage en profondeur et d’énormes ensembles de données de profils de liaison de TF au niveau des tissus pour comprendre comment les TF régulent les gènes cibles dans les cellules individuelles through des signaux spécifiques », a déclaré Xie.

En formant un réseau de neurones sur des ensembles de données génomiques et épigénétiques à grande échelle et en s’appuyant sur l’expertise de collaborateurs de trois départements, les chercheurs ont pu identifier de nouvelles réglementations génétiques pour des cellules individuelles ou des varieties de cellules.

« Notre capacité à prédire si certains facteurs transcriptionnels se lient à l’ADN dans une cellule ou un type de cellule spécifique à un minute donné offre une nouvelle façon de démêler de petites populations de cellules qui pourraient être essentielles pour comprendre et traiter les maladies », a déclaré le co-senior auteur Qing Nie, Professeur de mathématiques au Chancelier de l’UCI et directeur du Centre Nationwide Science Foundation-Simons du campus pour la recherche sur le destin des cellules multi-échelles, qui a soutenu le projet.

Il a déclaré que les scientifiques peuvent utiliser le cadre d’apprentissage en profondeur pour identifier les signaux clés dans les cellules souches cancéreuses – une inhabitants de petites cellules qu’il est difficile de cibler spécifiquement dans le traitement ou même de quantifier.

« Ce projet interdisciplinaire est un outstanding exemple de la manière dont des chercheurs ayant différents domaines d’expertise peuvent travailler ensemble pour résoudre des issues biologiques complexes grâce à des approaches d’apprentissage automatique », a ajouté Nie.