Großräumige Atlanten der Organe in einem gesunden Zustand sind bald verfügbar sein, insbesondere innerhalb der Menschlichen Zelle-Atlas. Dies ist ein wesentlicher Schritt im besseren Verständnis der Zellen, Gewebe und Organe im gesunden Zustand und dient als Referenz bei der Diagnose, überwachung und Behandlung von Krankheiten. Aber durch die schiere Anzahl der möglichen Kombinationen der Behandlung und Krankheit-Bedingungen, die Ausdehnung dieser Daten zu charakterisieren, Krankheit und Behandlung von Krankheiten in der traditionellen life-science-Laboren ist Arbeits-und kostenintensiv und damit nicht skalierbar.
Präzise Modellierung von zellulären Reaktion auf Störungen (z.B. Krankheiten, verbindungen, genetische Eingriffe) ist ein zentrales Ziel der computational biology. Obwohl die Modelle basieren auf statistischen und mechanistischen Ansätzen vorhanden ist, wird kein machine-learning-basierte Lösung realisierbar unbeobachtet, multidimensionaler Phänomene und die bisher zur Verfügung. Darüber hinaus scGen ist das erste tool, das vorhersagt, zelluläre Reaktion, die out-of-sample. Dies bedeutet, dass scGen, wenn ausgebildet, die auf Daten erfassen die Wirkung von Störungen für ein gegebenes system ist in der Lage, um zuverlässige Vorhersagen für ein anderes system. „Zum ersten mal haben wir die Möglichkeit, Daten in einem Modell-system wie Maus und verwenden Sie die Daten, um vorherzusagen, die Krankheit oder die Therapie der Erkrankung im menschlichen Patienten“, sagte Mohammad Lotfollahi, PhD student Helmholtz-Zentrum München und Technische Universität München).
scGen ist ein generatives deep learning Modell, nutzt Ideen von Bild -, Sequenz-und Sprachverarbeitung, und, zum ersten mal, gilt, diese Ideen zu modellieren das Verhalten einer Zelle in silico“. Der nächste Schritt für das team ist, betrifft die Verbesserung der scGen, um eine vollständig datengesteuerte Formulierung, die Erhöhung seiner Vorhersagekraft zu ermöglichen, die Untersuchung von Kombinationen von Störungen. „Wir können jetzt beginnen Sie mit der Optimierung scGen zur Beantwortung komplexer Fragen zu Krankheiten“, erklärt Alex Wolf, Team Leader, und Fabian Theis, Leiter des Instituts für Computational Biology und Inhaber des Lehrstuhls für Mathematische Modellierung Biologischer Systeme an der technischen Universität München.