Zuckerberg alapítványa támogatja a szegedi mesterségesintelligencia-kutatásokat

A Chan Zuckerberg Initiative kutatási támogatását ítélték oda a szegedi Horváth Péter bioinformatikus csoportjának. Több más szegedi kutatócsoporttal együttműködve világviszonylatban is egyedülálló egysejt-analitikai eljárást fejlesztettek ki és tökéletesítenek annak érdekében, hogy a szervezet építőköveinek egyedi elemzésével a legapróbb eltéréseket is felfedezhessék, utat nyitva ezzel a sejtbiológiai folyamatok és a kóros elváltozások jobb megértésének. Horváth Péter szerint a mesterséges intelligencia jelenleg zajló forradalma a legmodernebb molekuláris módszerekkel kombinálva megalapozhatja a következő évtized orvosbiológiai áttöréseit.

2019. július 10. Bokor Dóra

Mára egyre szélesebb körben elfogadott tény, hogy a génjeinkben kódolt információk mellett legalább ennyire fontosak a sejtek szintjén ténylegesen kifejeződő, egyedi jellegek (ún. fenotípusok), amelyek eltérései jól tükrözik a szervezet működésének hibáit. E dinamikus változások precíz elemzéséhez rendkívül nagy segítséget jelentenek a nagy érzékenységű mikroszkóprendszerek és bonyolult informatikai feldolgozó rendszerekkel való összekapcsolásuk.

Horváth Péter, az MTA Szegedi Biológiai Kutatóközpont Mikroszkópos Képfeldolgozó és Gépi Tanulási Csoportjának vezetője úttörő munkát végez a mesterséges intelligenciával támogatott, sejtalapú elemzés területén: a kutatócsoportja által fejlesztett, folyamatosan tanuló intelligens szoftverek akár többmilliárdnyi sejt között is képesek felfedezni új fenotípusokat. Sőt, a szegedi kutatók által kialakított mikroszkóprendszer ennél is többet tud: precízen körülvágja és kiemeli a mintából a megjelenésük alapján részletesebb vizsgálatra érdemes sejteket. A szegedi eredményekre az élettudományok legnagyobb szaktekintélyei is felfigyeltek, a kutatói párbeszéd pedig értékes kapcsolódási pontokat fedett fel.

A proteomika atyjának tekintett Matthias Mann, a legtöbbet idézett német kutató, a müncheni Max Planck Biokémai Intézet vezetője és a Koppenhágai Egyetem professzora, valamint Emma Lundberg, a Stanford Egyetem és a svéd KTH Royal Institute of Technology professzora, a proteomika és a sejtbiológia területének egyik vezető fiatal kutatója kiváló együttműködési lehetőséget lát a szegedi kutatókkal.

Horváth Péter Forrás: MTA SZBK

Innovatív technológiafejlesztés

A mélytanulási algoritmusokkal ötvözött, mikroszkópos egysejtanalízis proteomikai alkalmazására („deep visual proteomics”) szánt – és a Chan Zuckerberg Initiative támogatására is érdemesnek ítélt – kooperatív kutatás egyedülálló célkitűzése egy olyan intelligens képfeldolgozó rendszer kialakítása, amely

  • képes az emberi szövetek minden egyes sejtjét felismerni;
  • az eltérő fenotípusú sejteket szétválogatni;
  • a különféle sejttípusokat kinyerni; és
  • a bennük lévő összes fehérjét kvantitatívan jellemezni.

Ez utóbbi lépés egyben a fehérjeanalitika jelentős továbbfejlesztését is magában foglalja azzal a céllal, hogy minél kisebb mintamennyiségből – mindössze néhányszor tíz sejtből – precízen és specifikusan lehessen jellemezni a szervezetet alkotó minden egyes sejtféleséget. A jelenleg rendelkezésre álló legérzékenyebb tömegspektrometriai eljárások néhány száz sejt elemzése alapján írják le az egyes sejttípusok jellemző fehérjekészletét, a mintaméret nagyságrendnyi csökkentése viszont hatalmas előrelépés lenne az egyes sejtek felépítésének és működésének minél pontosabb megismerése irányában.

Az innovatív technológiafejlesztést célzó kutatás szorosan kapcsolódik a Chan Zuckerberg Initiative által szintén támogatott Human Cell Atlas projekthez, amely jelenleg a világ egyik legnagyobb volumenű biológiai kutatása. Célja, hogy az emberi szervezet minden egyes sejtféleségét a lehető legpontosabban jellemezze, és lényegében egy térképet adjon a különböző sejttípusok egymáshoz való viszonyáról, a szöveteken belül összeépülő sejtek kapcsolatairól, a szervek és szervrendszerek egymásra hatásáról, ezáltal pedig arról, hogy e háromdimenziós térkép változásai hogyan befolyásolják az egyes szervek és a szervezet egészének egészségi állapotát.

A mesterséges intelligencia nélkülözhetetlen eszköze az élettudományok továbbfejlődésének

Az élő szervezetek génkészletét és a gének kölcsönhatásait vizsgáló genomika alig négy évtizedre visszatekintő térhódítása után a sejtek egyedi fehérjekészletének feltérképezése hozhatja a következő nagy áttörést napjaink legfontosabb orvosbiológiai kérdéseinek megválaszolásában. A betegségek hátterében álló mélyebb összefüggések megértése a kóros folyamatok terápiás befolyásolására és megelőzésükre is felbecsülhetetlen hatással lehet. A fehérjék teljes körű minőségi és funkcionális vizsgálatát jelentő proteomikai elemzések kulcsfontosságúak lehetnek a modern gyógyászat további fejlődéséhez. Ehhez pedig nélkülözhetetlen eszközt biztosítanak azok a mesterséges intelligenciára és mélytanulásra épülő algoritmusok, amelyek lehetővé teszik a komplex szövetek sejtszintű elemzését, és az egyes mintákról készült több százezer vagy milliónyi felvétel feldolgozását, beleértve sokmilliárdnyi sejt precíz osztályozását és a jól definiált fenotípusok egyedi jellemzését.

Az algoritmus által azonosított és kijelölt sejtek különféle szövetekben Forrás: MTA SZBK

A mesterséges intelligencia forradalmi fejlődését jól szemlélteti egy közelmúltbeli bioinformatikai világverseny, ahol közel négyezer csoport mérte össze tudását. A feladat egy olyan mikroszkópos képelemző szoftver fejlesztése volt, amely az algoritmus által még soha nem látott képeken is képes minden egyes sejtet megtalálni. A szegedi Horváth Péter vezette kutatócsoport olyan programot készített, amelyben egy mesterségesintelligencia-algoritmus állít elő mesterséges képeket, és ezek alapján egy másik mesterségesintelligencia-algoritmust tanít a képeken fellelhető objektumok (jelen esetben sejtek) felismerésére. A gépi tanulás olyannyira hatékonynak bizonyult, hogy a szegedi csoport élesben futtatott nucleAIzer szoftvere szinte egyetlen sejtet sem hagyott felfedezetlenül a tetszőleges mintákról készült felvételeken, és a legmagasabb pontszámot érte el. A kutatócsoport ezt a gépi tanulási módszert fogja továbbfejleszteni a Mark Zuckerberg és felesége, Priscilla Chan alapítványa által felkarolt Deep Visual Proteomics projektben.

A szegedi kutatócsoport munkájáról és jövőbeni terveiről Horváth Péter az mta.hu-nak elmondta: a BIOMAG a jelen kihívásaihoz igazodva egy valóban interdiszciplináris kutatócsoport, gerincét informatikus és matematikus kutatók alkotják, emellett erős a biológiai és a mérnöki tudományok képviselete is. Az elmúlt év folyamán a csoport több tagja is úgy döntött, hogy neves külföldi intézetekben folytatja kutatásait.

További információ

Horváth Péter, MTA Szegedi Biológiai Kutatóközpont Mikroszkópos Képfeldolgozó és Gépi Tanulási Csoport
horvath.peter@brc.mta.hu