Pesquisadores acrescentaram aprendizado de máquina e Big Data a um sistema de análise de processos biológicos que ganhou o Nobel em 2014 para torná-lo mais eficaz
por Renato Mota
Olhar Digital
Pesquisadores desenvolveram uma nova técnica de análise multidimensional que pode acelerar o desenvolvimento de novos medicamentos e vacinas. O estudo foi produzido na Escola Pritzker de Engenharia Molecular (PME) da Universidade de Chicago e seus resultados publicados na revista científica Cell Systems.
O novo modelo avança sobre uma técnica moderna e já bastante eficaz, a LLSM (lattice light sheet microscope, ou microscopia de folha de luz em treliça), que permite que biólogos moleculares façam vídeos de processos biológicos em 4D – levando em conta escalas espaciais e temporais. Esse trabalho rendeu ao físico norte-americano Eric Betzig o Prêmio Nobel de Química de 2014.
Com a LLSM os cientistas foram capazes de examinar atentamente células individuais, como por exemplo a ação dos linfócitos T, células do sistema imunológico responsáveis pela defesa do organismo. Mas a técnica possui uma limitação na quantidade de pontos de dados que podem ser analisados.
O que a equipe liderada por Jillian Rosenberg e Guoshuai Cao fez foi mudar o paradigma da coleta de informações. Em vez de tratar cada célula como um ponto de dados, eles encontraram uma maneira de tratar transferir esses pontos para cada molécula, aumentando o número total de dados coletados. "Percebemos que as imagens geradas por LLSM são incríveis, mas estavam sendo subutilizadas devido à falta de técnicas de análise disponíveis", explicou Cao.
Para isso, os pesquisadores desenvolveram um pipeline para permitir a aplicação de aprendizado de máquina nas análises complexas dos vídeos produzidos em LLSM. "Essas análises nos permitem identificar diferenças entre moléculas que não podemos identificar a olho nu", afirma Rosenberg. O processo foi chamado de LaMDA (lattice light-sheet microscopy multi-dimensional analyses).
Time-lapse de uma célula T interagindo com uma célula mCherry-CH27 (vermelha) carregada com peptídeo MCC. Vídeo: Cell/Reprodução
Combinando imagens em alta resolução e análises de Big Data, o LaMDA pode revelar e até prever os estados das células T. Segundo Rosenberg, um dos aspectos mais promissores do LaMDA é o seu potencial para prever respostas biológicas, sem a necessidade de experimentos complexos.
Isso significa que a técnica poderia ter inúmeras aplicações médicas, como testes de medicamentos e desenvolvimento de vacinas, além de expandir o conhecimento da biologia das células T. "Pesquisadores ou empresas farmacêuticas podem usar o LaMDA para determinar como certos medicamentos estão resultando em mudanças sutis na sinalização subcelular, que fornece informações sobre segurança e eficácia dos medicamentos", disse Rosenberg.
Mais experimentos são necessários para confirmar essa capacidade preditiva. No entanto, a pesquisadora acredita que "o potencial de prever estados de células T e sinalização subcelular é um ativo muito poderoso do LaMDA".
Via: University of Chicago
Comentários