RegVelo je novi AI model koji integriše praćenje razvojnih trajektorija i analizu gen-regulatornih mreža kako bi identifikovao regulatore koji usmeravaju ćelijske sudbine. Model je uspešno testiran na više sistema (ćelijski ciklus, pankreas, hematopoeza, neuralna kresta) i pokazao visoke performanse i konzistentnost. Eksperimentalni CRISPR/Cas9 i Perturb‑seq testovi potvrdili su uloge tfec i elf1 u pigmentnoj liniji. RegVelo omogućava simulacije perturbacija i predstavlja korak ka „virtualnoj ćeliji“ korisnoj za planiranje eksperimenata i razvoj terapija.
RegVelo: Novi AI Model Koji Predviđa Kako Ćelije Biraju Sudbinu
Fluorescent imaging of a zebrafish embryo highlights cell populations during early development. (CREDIT: Stowers Institute)
Ćelije ne prelaze iz jednog stanja u drugo same od sebe — one odgovaraju na gustu mrežu molekularnih signala koja neke procese podstiče, a druge koči. Iako su savremeni jednoćelijski alati omogućili precizno mapiranje putanja razvoja, identifikacija konkretnih regulatora koji te promene pokreću ostaje izazov. RegVelo je novi model osmišljen da upravo poveže smer razvoja ćelija sa njihovom gen-regulatornom mrežom.
Šta je RegVelo?
RegVelo je računarski okvir predstavljen u radu na bioRxiv koji integriše dve ranije odvojene oblasti jednoćelijske analize: modelovanje razvojnih trajektorija (pseudotime i RNA velocity) i inferenciju gen-regulatornih mreža. Umesto da samo proceni smer u kojem se ćelija kreće, RegVelo pokušava da identifikuje koje genske interakcije zapravo upravljaju tim promenama i kako će ćelija reagovati na perturbacije regulatora.
Perturbation simulation quantifies genetic regulation effects on cell fate decisions in pancreatic endocrinogenesis. (CREDIT: bioRxiv)
Kako radi
Model tretira gene kao čvorove u mreži u kojoj regulatori modulišu transkripciju meta tokom promena stanja ćelije. Pomoću dubokog učenja RegVelo istovremeno inferiše razvojne putanje i simulira efekte promena ili uklanjanja pojedinih regulatora, omogućavajući predikcije koje se mogu eksperimentalno proveriti.
Gde je testiran i šta je pokazao
Istraživači su model primenili na više sistema: ćelijski ciklus (1.146 U2OS‑FUCCI ćelija), pankreasnu endokrinogenezu, hematopoezu i razvoj neuralne kresta zebrafiska (1.180 ćelija). U ćelijskom ciklusu RegVelo je rekonstruisao smer G1 → S → G2M sa cross-boundary skorom 0.864 i velocity consistency 0.873, dok je latentno vreme imalo Spearmanovu korelaciju 0.683 sa FUCCI protein-skorom.
RegVelo encodes the unspliced and spliced abundance of scRNA-seq data into the cell representation through a neural network and feeds the cell representation into a decoder neural network, which outputs a cell-gene-specific latent time. (CREDIT: bioRxiv)
Biološke uvide i validacija
Model je identifikovao poznate i nove regulatorne odnose: u pankreasu je predložen uticaj Neurod2 i interakcije Neurod2–Rfx6, u hematopoezi je vraćen poznati toggle‑switch između GATA1 i SPI1, dok je u neuralnoj kresti RegVelo označio tfec i elf1 kao ključne pokretače pigmentne sudbine.
Te predikcije su potom eksperimentalno potvrđene: CRISPR/Cas9 knockout i direct‑capture Perturb‑seq pokazali su smanjenje pigmentne linije nakon uklanjanja tfec i elf1, a in situ hibridizacija potvrdila smanjenje pigmentnih ćelija u elf1‑deficijentnim embrionima.
Zašto je važno
RegVelo omogućava da se iz jednoćelijskih podataka izvedu proverljive hipoteze o tome koji regulatori ubrzavaju, usporavaju ili preusmeravaju razvojne puteve. To skraćuje vreme i troškove pri odabiru eksperimenata i predstavlja korak prema „virtualnoj ćeliji“ koja može da simulira posledice genetskih perturbacija — potencijalno korisno za istraživanja razvoja, bolesti, raka i regenerativne medicine.
Dostupnost
Glavni nalazi i metodologija objavljeni su na bioRxiv. RegVelo je za sada istraživački alat, ali pruža praktičan okvir za dizajn eksperimentalnih perturbacija i dalju validaciju.
Citati autora: „RegVelo spaja dinamičke aspekte razvoja ćelije i gen-regulatorne mreže, omogućavajući predikcije koje se mogu proveriti eksperimentom,“ kaže prof. Fabian J. Theis. „Ovo je korak ka modelima virtualne ćelije koji bi mogli da pomognu u razvoju terapija,“ dodaje Sauka‑Spengler.
Pomozite nam da budemo bolji.
