Da sich diese beiden Technologien parallel entwickeln, sind die Möglichkeiten für KI-gesteuerte biologische Entdeckungen durch räumliche Omics zahlreich. Wenn wir uns die sich schnell entwickelnde Landschaft der Spatial-Omics-KI-Methoden ansehen, sehen wir zwei große Kategorien neuer Methoden, die sich durchsetzen.
In die erste Kategorie fallen KI-Methoden, die darauf abzielen, die Benutzerfreundlichkeit räumlicher Omics zu verbessern und umfassendere nachgelagerte Analysen für Forscher zu ermöglichen. Solche Methoden sind speziell für den Umgang mit der hohen Dimensionalität und dem Signal-Rausch-Verhältnis konzipiert, die spezifisch für räumliche Omics sind. Einige werden verwendet, um technische Artefakte und Batch-Effekte aus den Daten zu entfernen. Andere Methoden, die zusammen als „Superauflösungsmethoden“ bezeichnet werden, nutzen KI, um die Auflösung räumlicher Omics-Assays auf nahezu Einzelzellniveau zu erhöhen. Eine andere Gruppe von Ansätzen versucht, dissoziierte Einzelzell-Omics mit räumlichen Omics zu integrieren. Zusammengenommen schließen diese KI-Methoden die Lücke zu zukünftigen räumlichen Omics-Technologien.
In der zweiten Kategorie zielen KI-Methoden darauf ab, neue Biologie aus räumlichen Omics zu entdecken. Indem sie die Lokalisierungsinformationen räumlicher Omics nutzen, geben sie mit beispielloser Auflösung Aufschluss darüber, wie sich Gruppen von Zellen organisieren und kommunizieren. Solche Methoden schärfen unser Verständnis darüber, wie Zellen interagieren, um komplexe Gewebe zu bilden.
Bei Owkin entwickeln wir Methoden zur Identifizierung neuer therapeutischer Ziele und Patientensubpopulationen mithilfe räumlicher Omics. Wir haben Methoden entwickelt, die es Forschern ermöglichen, direkt anhand von Tumorbiopsiebildern zu verstehen, wie die Ergebnisse von Krebspatienten mit der Tumorheterogenität zusammenhängen. Aufbauend auf dieser Expertise und dem MOSAIC-Konsortium entwickeln wir die nächste Generation von KI-Methoden, die Ergebnisse auf Patientenebene mit einem Verständnis der Krankheitsheterogenität auf molekularer Ebene verknüpfen.
Vorausschauen
Die Raumbiologie hat das Potenzial, unser Verständnis der Biologie radikal zu verändern. Es wird die Art und Weise verändern, wie wir einen Biomarker sehen, vom bloßen Vorhandensein eines bestimmten Moleküls in einer Probe bis hin zu Mustern von Zellen, die ein bestimmtes Molekül in einem Gewebe exprimieren. Vielversprechende Forschungsergebnisse zu räumlichen Biomarkern wurden für mehrere Krankheiten veröffentlicht, darunter Alzheimer und Eierstockkrebs. Spatial Omics wurde bereits in der Forschung im Zusammenhang mit klinischen Studien eingesetzt, um das Fortschreiten des Tumors bei Patienten zu überwachen.
In fünf Jahren werden räumliche Technologien in der Lage sein, jedes menschliche Protein, jede RNA und jeden Metaboliten mit subzellulärer Auflösung zu kartieren. Die Recheninfrastruktur zur Speicherung und Analyse räumlicher Omics-Daten sowie die notwendigen Standards für Daten und Metadaten sowie die Analysealgorithmen werden vorhanden sein. Die Mikroumgebung des Tumors und die Zellzusammensetzung schwer zu behandelnder Krebsarten werden durch gemeinsame Anstrengungen wie MOSAIC kartiert.
Räumliche Omics-Datensätze aus Patientenbiopsien werden schnell zu einem wesentlichen Bestandteil der pharmazeutischen Forschung und Entwicklung werden und durch die Linse von KI-Methoden als Grundlage für die Entwicklung neuer, wirksamerer Medikamente dienen und schnellere und besser konzipierte klinische Studien vorantreiben diese Medikamente an Patienten weiterzugeben. In der Klinik werden routinemäßig räumliche Omics-Daten von Patienten gesammelt, und Ärzte werden speziell entwickelte KI-Modelle verwenden, um klinisch relevante Informationen über den Tumor eines Patienten und die Medikamente zu extrahieren, auf die er am besten anspricht.
Heute erleben wir die Konvergenz dreier Kräfte: Spatial-Omics-Technologien werden immer leistungsstärker und hochauflösender, es werden groß angelegte Datensätze aus Patientenbiopsien generiert und KI-Modelle werden immer ausgefeilter. Gemeinsam werden sie es Forschern ermöglichen, die komplexe Biologie von Gesundheit und Krankheiten zu analysieren und so immer ausgefeiltere therapeutische Interventionen zu ermöglichen.
Davide Mantiero, PhD, Joseph Lehár, PhD und Darius Meadon haben ebenfalls zu diesem Artikel beigetragen.
Dieser Inhalt wurde von Owkin erstellt. Es wurde nicht von der Redaktion des MIT Technology Review verfasst.