Те, що Гукельсбергер і його колеги розробили протягом того року, — це спосіб автоматичної класифікації цифрових мікроскопічних зображень взаємодії між антитілами та антигенами вірусу в клітинах, вирощених у лабораторії. По суті, комп’ютер вчиться виявляти, чи є у пацієнта антитіла до коронавірусу.
Окрім діагностики, метод також дає дослідникам уявлення про те, які особливості клітин вказують на позитивний результат, які типи відповідей антитіл присутні, і дозволяє їм робити прогнози щодо ймовірності позитивного зразка на антитіла до COVID-19 лише за зображенням.
Ті самі зразки зображень, класифіковані комп’ютером, також показали експертам-вірусологам, які оцінили їх як позитивні або негативні на антитіла до коронавірусу. «Наш підхід може відповідати рівню класифікації експертів-людей, — говорить Гукельсбергер, — і він набагато швидший. Крім того, він може підказати нам, коли є неоднозначні результати, які слід уважніше розглянути експертним оком».
Результати проекту, нещодавно опубліковані в Методи клітинних звітів, також показують, що цей метод можна порівняти, а в деяких аспектах і перевершити широко поширені аналізи, такі як ELISA.
«Ми використовували клітини, а не очищені білки вірусу, як основу для нашого аналізу, який ближче до реальної фізіології», — каже провідний автор Вілья Піетяйнен Інституту молекулярної медицини Фінляндії (FIMM) Гельсінського університету.
«Оскільки все повністю автоматизовано, ми маємо високу пропускну здатність, але ми також отримуємо цифрові зображення, які можна показати вірусологу чи патологоанатому, не звертаючись до мікроскопа. Результати можна навіть перевірити на мобільному пристрої. І ми можемо підрахувати кількість заражених клітин, тож у нас є кількісні дані, а також візуальні зображення».
У перші дні пандемії дослідницька група змогла швидко сформуватися завдяки попереднім міжнародним і місцевим співпрацям у дослідженнях вірусології, візуалізації та реакції на ліки, пояснює Піетіяйнен.
«На той момент нам потрібен був високопродуктивний тест для тестування на антитіла, який би показав, чи є у людини інфекція SARS-CoV-2. З тих пір було значно покращено діагностику, виявлення та реакцію антитіл на SARS-CoV-2», наприклад широко знайомий тест на полімеразну ланцюгову реакцію (ПЛР) або тест на антиген (наприклад, мазок з носа), який безпосередньо вимірює наявність вірусу в організмі.
Тест, розроблений Pietiäinen, Guckelsberger та колегами, навпаки, вимірює антитіла, які повідомляють нам, як імунна система розпізнає вірус і виробляє різні типи антитіл проти нього.
Аналіз на основі машинного навчання, автоматизований робочий процес. Автор зображення: Minttu Polso/Університет Аалто
«Якщо у вас є лише кілька зразків, ви дуже мало знаєте про хворобу або, можливо, не маєте доступу до лабораторії високого рівня біобезпеки, наш конвеєр може бути справді цінним», — говорить Гукельсбергер, додаючи, що його можна використовувати будь-де, незалежно від місця розташування, обладнання для підготовки проб або тип мікроскопа. Фактично конвеєр є універсальним для тестування на будь-якому мікробі.
«Ми розробили тест, який можна використовувати для будь-якого нового патогену, підвищуючи нашу готовність до майбутніх пандемій», — говорить Піетіяйнен. «Певні компоненти слід оптимізувати для кожного нового вірусу, але принадність аналізу полягає в тому, що його можна використовувати для різних цілей. Його вже використовують для вивчення зоонозних вірусів, таких як вірус Пуумала».
Інші автоматизовані клітинні аналізи, а потім методи аналізу зображень під керуванням ШІ, використовуються в дослідницькій групі для вивчення відповіді ліків на SARS-CoV-2, а також для визначення ліків, які можуть вбивати ракові клітини, отримані пацієнтом. колишніх природних умовах.
Крім публікації своєї роботи та сприяння кращому розумінню пандемії, Гукельсбергер і Піетіайнен поділяють спільне розуміння, чого навчив їх цей проект.
«Коли у світі виникають серйозні питання, ми як науковці не можемо працювати поодинці. Експерти з різних галузей, різних університетів і країн мають об’єднатися для спільної мети — у нашому випадку науковці з обробки даних, клініцисти, комп’ютерники, біохіміки», — каже Піетяйнен.
«Працювати у великій команді, а це не те, що ми часто робимо в інформатиці, було захоплююче», — повторює Гукельсбергер.
«Однією великою проблемою було спілкування з різних точок зору експертів, наприклад, розуміння того, що відбувається на обох кінцях конвеєра, від процедур мокрої лабораторії до параметрів, даних і зображень. У той же час це був фантастичний досвід навчання, і я хотів би отримати більше в майбутньому».
Хоча вони використовували добре налагоджене машинне навчання для кожного компонента конвеєра, Гукельсбергер каже, що встановлення зв’язку між біологами та комп’ютерниками було одним із справжніх досягнень. Використання технології для розв’язання біологічних питань також стало для Піетіайнена великим успіхом.
«Поєднання мікроскопії з машинним навчанням не тільки для SARS-CoV-2, але й для того, щоб побачити персоналізовану реакцію на ліки або побачити клітинні фенотипи рідкісних генетичних захворювань, є потужним. Картинка вартує тисячі слів, це також стосується і тут».
джерело: Університет Аалто
