Grootschalige atlassen van gezonde organen komen binnenkort beschikbaar, vooral, de menselijke celatlas. Dit is een belangrijke stap in het beter begrijpen van cellen, weefsels en organen in gezonde staat en biedt een referentie bij de diagnose, het volgen en behandelen van ziekten. Echter, vanwege het grote aantal mogelijke combinaties van behandeling en ziekte, het uitbreiden van deze gegevens om ziekten en ziektebehandelingen in traditionele biowetenschappelijke laboratoria te karakteriseren is arbeidsintensief en kostbaar, en dus niet schaalbaar.

Nauwkeurig modelleren van cellulaire respons op verstoringen (bijv. ziekte, verbindingen, genetische interventies) is een centraal doel van computationele biologie. Hoewel er modellen bestaan ​​die gebaseerd zijn op statistische en mechanistische benaderingen, er is tot nu toe geen op machine learning gebaseerde oplossing beschikbaar voor niet-waargenomen hoogdimensionale verschijnselen. In aanvulling, scGen is de eerste tool die cellulaire respons buiten de steekproef voorspelt. Dit betekent dat scGen, indien getraind op gegevens die het effect van verstoringen voor een bepaald systeem vastleggen, kan betrouwbare voorspellingen doen voor een ander systeem. "Voor de eerste keer, we hebben de mogelijkheid om gegevens te gebruiken die zijn gegenereerd in één modelsysteem zoals muis en de gegevens te gebruiken om ziekte- of therapierespons bij menselijke patiënten te voorspellen, " zei Mohammed Lotfollahi, doctoraat student (Helmholtz Zentrum München en Technische Universität München).

scGen is een generatief deep learning-model dat gebruikmaakt van ideeën uit beeld, volgorde en taalverwerking, en, Voor de eerste keer, past deze ideeën toe om het gedrag van een cel in silico te modelleren. De volgende stap voor het team betreft het verbeteren van scGen naar een volledig datagestuurde formulering, het vergroten van de voorspellende kracht om de studie van combinaties van verstoringen mogelijk te maken. "We kunnen nu beginnen met het optimaliseren van scGen om steeds complexere vragen over ziekten te beantwoorden, " zei Alex Wolf, Teamleider, en Fabian Theis, Directeur van het Institute of Computational Biology en voorzitter van Mathematical Modeling of Biological Systems aan de Technische Universität München.