PerturbLDM: conditional latent diffusion for modelling single-cell perturbation responses

En el vasto paisaje de la biología moderna, los científicos han desarrollado una forma poderosa de observar la vida: examinando células individuales. En lugar de estudiar un órgano o tejido completo como una mezcla homogénea, los investigadores ahora pueden mirar dentro de una sola célula para leer sus instrucciones genéticas, conocidas como su perfil transcripcional. Esta vista detallada revela cómo se está comportando una célula, qué está haciendo y cómo está respondiendo a su entorno. Un objetivo principal en este campo es comprender cómo reaccionan las células cuando son perturbadas. Estas perturbaciones, o perturbaciones, pueden ser fármacos, cambios en la temperatura o variaciones en las señales químicas. Al mapear estas reacciones, los científicos esperan predecir cómo se comportará una célula específica bajo una condición determinada. Sin embargo, el número de combinaciones posibles es abrumador. Existen innumerables tipos de células, miles de fármacos potenciales e infinitas variaciones en la dosis y el tiempo. Es físicamente imposible probar cada una de las combinaciones en un laboratorio. Esto deja un enorme vacío de conocimiento: tenemos datos para algunos escenarios, pero estamos ciegos ante la mayoría de los otros. El desafío es encontrar una manera de aprender de los experimentos que hemos realizado y usar ese conocimiento para adivinar con precisión qué sucedería en los millones de situaciones que aún no hemos probado.

Para cerrar esta brecha, un equipo de investigadores ha desarrollado una nueva herramienta computacional llamada PerturbLDM. Este sistema está diseñado para actuar como un sofisticado simulador de respuestas celulares. No simplemente adivina; aprende los patrones subyacentes de cómo cambian las células cuando son presionadas. Los investigadores entrenaron este sistema utilizando una fase de preentrenamiento con el conjunto de datos Tahoe-100M. Una vez que el sistema aprendió las reglas generales del comportamiento celular a partir de esta extensa biblioteca, probaron su capacidad para predecir resultados que nunca había visto antes. Los resultados fueron sorprendentes. Cuando se le pidió pronosticar los efectos de 13,942 combinaciones diferentes de fármacos, dosis y líneas celulares que fueron reservadas fuera de su entrenamiento, PerturbLDM funcionó con mayor precisión que cualquier método existente. En más del 95 por ciento de estas condiciones, las predicciones del sistema coincidieron con los grupos de control del mundo real mejor que una simple línea base matemática que solo sumaba los efectos de los factores individuales. Esto sugiere que el sistema captura interacciones complejas y dependientes del contexto que los modelos más simples pasan por alto.

El poder de este enfoque se extiende más allá de la simple predicción de respuestas a fármacos. Los investigadores utilizaron el sistema entrenado para organizar una colección de compuestos conocidos como PANACEA. Al analizar qué tan similares eran las respuestas celulares predichas, el sistema agrupó con éxito compuestos que comparten los mismos mecanismos biológicos. Esta capacidad de clasificar sustancias químicas por su efecto real en la célula, en lugar de solo por su estructura química, demuestra que el modelo comprende la lógica funcional de la biología. La herramienta también demostió ser eficaz en conjuntos de datos más pequeños y específicos. En un caso, generó un estado simulado de un colon fetal durante la mitad del embarazo. En esta prueba, el sistema cometió menos errores en la predicción de la actividad génica que un método líder anterior, y mantuvo correctamente el delicado equilibrio entre diferentes tipos de células tisulares. En otra prueba que involucraba células inmunitarias, el sistema capturó con precisión seis de siete programas antivirales e interferón específicos, incluyendo una compleja vía metabólica que vincula la defensa inmunitaria con la producción de energía, superando a otras herramientas establecidas en estos entornos biológicos específicos.

Lo que hace que este trabajo sea significativo no es solo que predice números, sino que genera respuestas celulares completas y realistas. Crea un panorama completo de cómo se ve y actúa una célula después de una perturbación, preservando las intrincadas relaciones entre miles de genes diferentes. Los investigadores descubrieron que este método funciona en diferentes escalas, desde conjuntos de datos masivos hasta estudios más pequeños y especializados, y a través de diversos entornos biológicos. Al aprender la estructura profunda de cómo las células responden al cambio, PerturbLDM ofrece una forma de explorar el vasto territorio no probado de la biología celular. Proporciona una forma fiable de ver qué podría suceder cuando se presiona a una célula, permitiendo a los científicos navegar por el complejo espacio de los tratamientos potenciales y las respuestas biológicas sin necesidad de realizar cada uno de los experimentos en un laboratorio.