Human Cell Atlas es el atlas de referencia unicelular en crecimiento más grande del mundo. Contiene referencias de millones de células en tejidos, órganos y etapas de desarrollo. Estas referencias ayudan a los médicos a comprender las influencias del envejecimiento, el medio ambiente y las enfermedades en una célula y, en última instancia, a diagnosticar y tratar mejor a los pacientes.
Sin embargo, los atlas de referencia no están exentos de desafíos. Los conjuntos de datos de una sola celda pueden contener errores de medición (efecto de lote), la disponibilidad global de recursos computacionales es limitada y el intercambio de datos brutos a menudo está legalmente restringido.
"En lugar de compartir datos sin procesar entre clínicas o centros de investigación, el algoritmo utiliza el aprendizaje por transferencia para comparar nuevos conjuntos de datos de genómica unicelular con referencias existentes y, por lo tanto, preserva la privacidad y el anonimato"
Investigadores de Helmholtz Zentrum München y la Universidad Técnica de Munich (TUM) desarrollaron un algoritmo novedoso llamado “scArches”, abreviatura de cirugía de arquitectura unicelular. La mayor ventaja, explican, es que "en lugar de compartir datos sin procesar entre clínicas o centros de investigación, el algoritmo utiliza el aprendizaje por transferencia para comparar nuevos conjuntos de datos de genómica unicelular con referencias existentes y, por lo tanto, preserva la privacidad y el anonimato", explica Mohammad Lotfollahi, líder del proyecto.
El propio Lotfollahi agrega que "esto también hace que anotar e interpretar nuevos conjuntos de datos sea muy fácil, por lo que se democratiza drásticamente el uso de este tipo de atlas de referencia unicelulares".
EJEMPLO COVID-19
Los investigadores aplicaron scArches para estudiar la COVID-19 en varias muestras de bronquios pulmonares. Compararon las células de pacientes con COVID-19 con referencias sanas utilizando transcriptómica unicelular. El algoritmo pudo separar las células enfermas de las referencias y, por lo tanto, permitió al usuario identificar las células que necesitaban tratamiento, tanto para los casos de COVID-19 leves como para los graves. La variación biológica entre pacientes no afectó la calidad del proceso de mapeo.
El algoritmo pudo separar las células enfermas de las referencias y, por lo tanto, permitió al usuario identificar las células que necesitaban tratamiento, tanto para los casos de COVID-19 leves como para los graves
Para Fabian Theis "nuestra visión es que, en el futuro, usaremos referencias de células tan fácilmente como lo hacemos hoy en día para las referencias de genoma. En otras palabras, si desea hornear un pastel, por lo general no querrá intentar crear su propia receta, sino que simplemente busque una en un libro de cocina. Con scArches, formalizamos y simplificamos este proceso de búsqueda".