Московские ученые поняли, как узнать причины болезней

Современная биомедицина все активнее опирается на цифровые технологии и методы искусственного интеллекта, поскольку именно они помогают быстрее анализировать большие массивы данных и находить закономерности, которые трудно заметить вручную.

Такой подход особенно важен при изучении сложных заболеваний, где на развитие болезни влияет не один фактор, а целый набор клеточных и молекулярных процессов.

МОСКВА, 3 авг — РИА Новости. Ученые МГУ имени М.В. Ломоносова в составе исследовательского коллектива разработали программу, которая поможет глубже понять механизмы развития многих заболеваний. Как сообщили в пресс-службе Российского научного фонда, система способна автоматически определять тип клеток, различать раковые и здоровые клетки, а также выявлять иммунные клетки, участвующие в поддержании хронического воспаления при ожирении. По словам авторов разработки, это может заметно ускорить изучение патологических процессов и повысить точность научных исследований.

Кроме того, такая программа может стать полезным инструментом для персонализированной медицины, где особенно важно учитывать особенности конкретного пациента и его клеточного состава. Автоматизация подобных анализов позволяет снизить вероятность ошибок, сократить время обработки данных и сосредоточить усилия ученых на поиске эффективных терапевтических решений. В перспективе это может помочь в создании более точных методов диагностики, а также в разработке новых лекарств и схем лечения для различных заболеваний.

Современная медицина все чаще опирается на точные молекулярные данные, позволяющие глубже понимать природу заболеваний и особенности их течения у разных пациентов. Несмотря на значительный прогресс в биологии и биоинформатике, механизмы развития многих болезней по-прежнему остаются недостаточно изученными, поэтому во многих случаях лечение носит преимущественно симптоматический характер. Более детальный анализ клеточного состава тканей и выявление скрытых различий между клетками открывают новые возможности для ранней диагностики, прогнозирования течения болезни и выбора наиболее эффективной терапии.

Определение типов клеток и предсказание их свойств особенно важно для персонализированной медицины, поскольку один и тот же диагноз у разных людей может быть связан с различными клеточными и молекулярными изменениями. Такой подход помогает исследователям точнее понимать причины патологических процессов, выявлять ключевые биомаркеры и подбирать лечение с учетом индивидуальных особенностей организма. В перспективе это позволит не только повысить эффективность терапии, но и снизить риск побочных эффектов, а также улучшить качество жизни пациентов.

Для решения этой задачи исследователи Медицинского научно-образовательного института Московского государственного университета (МГУ) имени М.В. Ломоносова, Национального исследовательского центра эпидемиологии и микробиологии имени Н.Ф. Гамалеи Минздрава России и Центра стратегического планирования и управления медико-биологическими рисками здоровью ФМБА России разработали инструмент scParadise. Он предназначен для автоматического определения типов клеток и предсказания их свойств на основе генетических данных, что делает анализ клеточных популяций более быстрым, точным и удобным для научных и медицинских исследований.

Создание таких цифровых решений — важный шаг к внедрению более точных методов диагностики и терапии в клиническую практику. В дальнейшем подобные инструменты могут применяться для изучения широкого спектра заболеваний, включая онкологические, воспалительные и аутоиммунные процессы, а также для разработки новых подходов к индивидуальному подбору лекарств.

Созданная разработка представляет собой сложное программное решение, основанное на уникальных архитектурах нейросетей, которые были разработаны научным коллективом специально для работы с биомедицинскими данными. Этот подход позволяет значительно повысить точность анализа и сделать обработку информации более гибкой и эффективной. Как отметила один из авторов исследования, младший научный сотрудник Научно-исследовательской лаборатории генных и клеточных технологий Медицинского научно-образовательного института МГУ имени М.В. Ломоносова Елизавета Чечехина, проект стал результатом комплексной научной работы и междисциплинарного сотрудничества.

По ее словам, нейросетевые модели обучались на данных секвенирования одиночных клеток, что позволяет изучать особенности клеточных популяций на максимально детальном уровне. В ряде случаев исследователи использовали данные по одной и той же ткани, полученные сразу в нескольких лабораториях. Такой подход требовал тщательной предварительной обработки: все массивы данных приводились к единому формату, очищались от технических различий и объединялись в согласованный набор, подходящий для обучения нейросети. Это особенно важно, поскольку данные, собранные в разных условиях, могут существенно отличаться по качеству и структуре.

Благодаря такой подготовке удалось создать надежную обучающую выборку, которая повышает устойчивость и универсальность модели. В дальнейшем подобные разработки могут использоваться для более точной интерпретации результатов биологических исследований, а также для ускорения анализа больших объемов геномной информации. По мнению специалистов, подобные технологии открывают новые возможности для персонализированной медицины и развития современных методов изучения клеточных процессов.

Современная биомедицина всё активнее движется в сторону точной и персонализированной диагностики, и новые разработки в этой области открывают для врачей гораздо больше возможностей, чем раньше. По словам исследователя, такая технология может стать важным инструментом в выявлении скрытых механизмов заболеваний и помочь лучше понимать, какие именно клетки запускают патологические процессы. Особенно это важно там, где болезнь развивается незаметно и долгое время не даёт ярко выраженных симптомов.

Разработка будет полезна в диагностике различных заболеваний: например, она поможет отличать раковые клетки от здоровых, а также выявлять иммунные клетки, которые провоцируют хроническое воспаление при ожирении. Помимо этого, метод может использоваться для более точного анализа состава тканей, определения степени их поражения и отслеживания изменений на ранних стадиях болезни. Это позволит врачам не только быстрее ставить диагноз, но и лучше прогнозировать течение заболевания.

В результате у медицины появится возможность создавать более эффективные персонализированные препараты, направленные на конкретную мишень и учитывающие особенности организма каждого пациента. Такой подход особенно ценен в онкологии, иммунологии и лечении метаболических нарушений, где важно воздействовать не на весь организм в целом, а именно на те клетки, которые запускают или поддерживают болезнь. Чем точнее будет определена клеточная природа проблемы, тем выше шансы на успешную терапию.

"Существующие методы определения типов клеток позволяют с какой-то степенью глубины понимать различия между теми или иными клетками. Но наука вышла на новый уровень, и мы начали разбираться уже в отдельных мелких, но тем не менее очень важных подтипах клеток, которые могут играть огромную роль в развитии того или иного заболевания. Такой более детальный взгляд помогает увидеть не только общую картину, но и конкретные клеточные механизмы, лежащие в основе патологии. Именно это открывает путь к более точной диагностике, раннему выявлению рисков и созданию действительно адресных методов лечения."

Мы значительно расширили возможности изучения состава биологических тканей на клеточном уровне, — отметила сотрудница МГУ. Это открывает новые перспективы для фундаментальных исследований, а также для более точной диагностики и понимания механизмов развития заболеваний.

Отбор клеточного материала для анализа может проводиться при исследовании крови, биопсии или непосредственно во время хирургического вмешательства. Далее из фрагмента ткани с помощью специальных методик выделяют клетки в виде суспензии, то есть жидкой взвеси, после чего отдельные клетки подвергаются секвенированию. Такая процедура позволяет определить, какие гены в них активны, и получить более детальное представление о работе ткани в целом. Кроме того, подобные технологии помогают выявлять редкие клеточные популяции, которые раньше было сложно обнаружить стандартными методами.

Что касается нашей разработки, она доступна для бесплатного скачивания и использования специалистами по всему миру. Это делает технологию более открытой для научного сообщества и ускоряет ее внедрение в практику. В перспективе подобные решения могут стать важным инструментом для персонализированной медицины, разработки новых методов лечения и более глубокого изучения биологических процессов.

Разработка активно развивается: исследователи постоянно создают, обучают и публикуют в открытом доступе все новые модели, предназначенные для анализа клеток, тканей и даже целых организмов. При этом речь идет не только о человеческих биологических системах, но и о животных, что существенно расширяет возможности для науки и медицины. Благодаря такому подходу разные научные группы могут использовать эти модели как для фундаментальных исследований, так и для решения прикладных задач, связанных с диагностикой, терапией и изучением механизмов заболеваний, — отметила исследователь.

По словам авторов, в ходе проведенных экспериментов разработка продемонстрировала очень высокую точность — 99,9 процента. Это говорит о том, что система способна с минимальной ошибкой распознавать и анализировать сложные биологические данные. Кроме того, коллективу удалось экспериментально подтвердить наличие в жировой ткани трех новых подтипов иммунных клеток. Их существование ранее было предсказано моделью, что делает результат особенно важным и подтверждает практическую ценность разработанного метода.

В перспективе подобные технологии могут значительно ускорить поиск новых биологических закономерностей и помочь ученым точнее понимать, как устроены различные ткани организма.

Современная медицинская наука все активнее обращается к цифровым и молекулярным методам анализа, которые помогают глубже понять механизмы развития болезней и точнее подбирать подходы к лечению. По мнению исследователей, подобные разработки особенно важны для персонализированной медицины, где учитываются уникальные особенности каждого пациента.

"Мы рассчитываем на интерес медиков к нашей разработке, поскольку она позволяет анализировать индивидуальные особенности развития патологий у пациентов, выявлять возможные закономерности на ранних этапах и исследовать происхождение заболеваний", — заключила Чечехина. Такой подход может стать полезным инструментом не только для диагностики, но и для прогнозирования течения болезни, а также для выбора наиболее эффективной терапии.

Исследование проводилось при поддержке гранта Российского научного фонда (проект № 25-75-30005). Полученные результаты представляют значимый научный интерес и уже опубликованы в авторитетном журнале Nucleic Acids Research, что подтверждает высокую актуальность и качество работы.

Источник и фото - ria.ru