Лёвен, 14 февраля 2025 года – Бельгийские исследователи применили методы глубокого обучения для изучения того, как генетические «переключатели» определяют типы клеток мозга у разных видов. В статье, опубликованной в Science, учёные продемонстрировали, что некоторые клеточные типы сохранились у птиц и млекопитающих на протяжении миллионов лет эволюции, тогда как другие развивались независимо.
Это исследование проливает свет на эволюцию мозга и предоставляет инструменты для изучения того, как регуляция генов формирует различные клеточные типы в разных видах и при различных заболеваниях. Как и все клетки организма, клетки мозга содержат одинаковую ДНК, но различаются по форме и функциям. Учёные стремятся понять, что делает каждый тип клеток уникальным, исследуя короткие ДНК-последовательности, выполняющие роль «переключателей», которые контролируют активность генов. Регуляция этих генетических «переключателей» определяет, какие гены будут активны в каждой клетке мозга, что называют регуляторным кодом.
Расшифровка регуляторного кода мозга
Профессор Стейн Аертс и его команда из VIB.AI (искусственный интеллект в Институте биотехнологии Фландрии) и Центра исследования мозга и заболеваний VIB-KU Leuven изучают принципы работы регуляторного кода и его влияние на болезни, такие как рак и неврологические расстройства. Они разрабатывают методы глубокого обучения для анализа регуляции генов в тысячах отдельных клеток.
«Модели глубокого обучения, работающие с ДНК-кодом, помогли нам выявить механизмы регуляции генов в различных типах клеток. Теперь мы хотели понять, можно ли использовать этот код для изучения того, какие клеточные типы сохранились у разных видов», — объясняет Аертс.
Хотя у птиц и млекопитающих различное строение нервной системы, они проходят схожие этапы развития. Команда Аертса применила методы глубокого обучения, чтобы выяснить, отражаются ли эти сходства и различия в регуляторных кодах клеток.
Искусственный интеллект и сравнительная эволюция
Постдок Николай Хеккер и аспирант Никлас Кемпинк разработали алгоритмы машинного обучения для сравнения типов клеток мозга человека, мыши и курицы, что охватывает около 320 миллионов лет эволюции. Учёные создали транскриптомный атлас — подробную карту всех РНК-молекул, присутствующих в клетках мозга курицы, — чтобы лучше понять его клеточную организацию.
«Наше исследование демонстрирует, как методы глубокого обучения позволяют анализировать и сравнивать клеточные типы, основываясь на их регуляторных кодах. С помощью этих кодов можно сопоставлять геномы различных видов, определять, какие регуляторные механизмы сохранились в ходе эволюции, и исследовать, как изменялись клеточные типы», — поясняет Хеккер.
Команда обнаружила, что некоторые регуляторные коды клеток мозга сохранялись у птиц и млекопитающих на протяжении миллионов лет, тогда как другие эволюционировали по-разному. Например, код определённых нейронов у птиц оказался схож с кодом нейронов глубоких слоёв неокортекса млекопитающих.
«Изучение регуляторного кода даёт нам важное преимущество. Он показывает, какие принципы регуляции генов сохраняются между видами, даже если сама последовательность ДНК изменилась», — добавляет Кемпинк.
Перспективы исследования
Ранее команда Аертса доказала, что регуляторные коды клеток меланомы (рака кожи) сохраняются у млекопитающих и рыб, что помогло выявить мутации в геномах пациентов с этим заболеванием. Новые модели, изучающие клетки мозга, могут стать инструментом для анализа генетических вариаций, связанных с когнитивными способностями и психическими расстройствами.
«В конечном итоге модели, способные расшифровывать регуляторный код генома, могут использоваться для сканирования геномов и поиска определённых клеточных типов или состояний клеток в любом виде живых существ. Это мощный инструмент для изучения заболеваний», — отмечает Аертс.
Сейчас команда расширяет свои исследования, применяя эволюционные модели к мозгу самых разных животных — от рыб до оленей, ежей и капибар. Это происходит в сотрудничестве с Центром спасения дикой природы и зоопарковой наукой. Кроме того, учёные исследуют, как модели искусственного интеллекта могут помочь выявить генетические вариации, связанные с болезнью Паркинсона.