Zellkarten für KI: Revolutionierung der biomedizinischen Forschung mit KI-bereiten Daten

Das Projekt Cell Maps for Artificial Intelligence (CM4AI), ein Functional Genomics Data Generation Project im Rahmen des Bridge2AI-Programms der NIH, zielt darauf ab, die biomedizinische KI-Forschung zu revolutionieren. Seine Hauptaufgabe ist die Generierung ethischer, KI-bereiter Datensätze der Zellarchitektur, abgeleitet aus multimodalen Daten, die von menschlichen Zelllinien gesammelt wurden. Diese Initiative soll Forschern die Werkzeuge und Daten zur Verfügung stellen, die für die Entwicklung transformativer KI-Anwendungen in der Biomedizin notwendig sind. CM4AI konzentriert sich auf drei Hauptpfeiler: Daten, Menschen und Ethik, die in sechs Module unterteilt sind, die Datenerfassung, Werkzeuge, Standards, Kompetenzentwicklung, Teamarbeit und ethische Überlegungen abdecken. Durch die Erstellung maschinenlesbarer hierarchischer Karten der Zellarchitektur ermöglicht CM4AI ein tieferes Verständnis zellulärer Prozesse und ihrer Auswirkungen auf die menschliche Gesundheit.

Zellkarten sind hierarchische gerichtete azyklische Graphen (DAGs), die die Organisation von Proteinen innerhalb einer Zelle auf verschiedenen Skalen darstellen. Jeder Knoten im Graphen repräsentiert eine Anordnung von Proteinen in räumlicher Nähe, die von großen Zellkompartimenten wie dem Zellkern und Mitochondrien bis hin zu kleineren Proteinkomplexen reicht. Diese Karten werden anhand von Daten aus gestörten und ungestörten Zelllinien erstellt, einschließlich Krebszelllinien und induzierten pluripotenten Stammzellen (iPSCs). Techniken wie Affinitätsreinigung-Massenspektrometrie (AP-MS) und Immunfluoreszenzfärbung (IF) werden verwendet, um Proteininteraktionsnetzwerke zu generieren und die Proteinlokalisierung aufzudecken. Durch die Integration dieser Daten bilden Zellkarten eine Grundlage für die Interpretation genetischer Varianten und Mutationen und können in KI-Werkzeugen für sichtbares maschinelles Lernen verwendet werden, um zu verstehen, wie Proteinkomplexe Zellphänotyp-Vorhersagen beeinflussen.

CM4AI definiert KI-bereite biomedizinische Daten als vollständig charakterisierte FAIR-Daten mit bekannter Herkunft, die ethisch und zuverlässig für KI-Anwendungen verarbeitet wurden. Dies beinhaltet die Sicherstellung, dass die verwendeten Modelle und Software verfügbar, gut beschrieben und validiert sind und dass die getroffenen Vorhersagen erklärt und interpretiert werden können. Wichtige Prinzipien sind: FAIRness (Findable, Accessible, Interoperable, Reusable), Provenance (Verfügbarkeit von Berechnungsdiagrammen), Charakterisierung (vollständige Schemata und Datenblätter), Erklärbarkeit (statistische Charakterisierung und Einschränkungen) und ethische Überlegungen (ethische Behandlung von Probanden und verantwortungsvolle Datenanalyse). CM4AI verwendet eine erweiterte Version des FAIRSCAPE-Frameworks, um eine Grundlage für die KI-Bereitschaft zu schaffen, wobei der Schwerpunkt auf reichhaltigen Metadaten, persistenten Identifikatoren und Validierungsverfahren liegt.

CM4AI verwendet spezifische Zelllinien, darunter die Brustkrebszelllinie MDA-MB-468 und die iPSC-Linie KOLF2.1J, die beide ethisch bezogen wurden. Die Datenerfassung umfasst die Protein-Protein-Interaktions (PPI)-Kartierung mittels AP-MS und SEC-MS, die räumliche Proteomik-Kartierung mittels Immunfluoreszenz und die genetische Perturbationskartierung mittels einzelzelliger CRISPR-Screens. Für die PPI-Kartierung werden Chromatinregulatoren markiert und ihre Interaktionen unter verschiedenen Bedingungen analysiert. Die räumliche Proteomik-Kartierung beinhaltet automatisierte Fixierungs- und Permeabilisierungsprotokolle, um die subzelluläre Organisation wichtiger Proteine zu kartieren. Die genetische Perturbationskartierung verwendet CRISPR-Screens, um Chromatinregulatoren zu stören und die resultierenden Daten zu analysieren.

Die Multi-Scale Integrated Cell (MuSIC) Pipeline ist ein wichtiges Werkzeug zur Integration von Daten und zur Erzeugung von Zellkarten aus mehreren Eingangsdatenströmen. Die Pipeline umfasst Segmente zum Herunterladen von PPI- und Bilddaten, zur Generierung von Embeddings mithilfe von Deep-Learning-Modellen, zur Co-Embedding-Integration von PPI- und Bildinformationen, zur Erkennung von Proteinkommunities, zur Hierarchieerstellung und zur Hierarchiebewertung. Die Pipeline interagiert mit der FAIRSCAPE-Infrastruktur zur Validierung von Eingaben und zur Erstellung von RO-Crate-Paketen. Auch die integrative Strukturmodellierung wird erforscht, um das Verständnis der MuSIC-Communities zu verbessern.

CM4AI betont die KI-Bereitschaftsverpackung durch die Entwicklung von Standards für die Datenintegration und die Metadatenverwaltung. Dies beinhaltet die Erstellung von Datenwörterbüchern, Formatierungsstandards und einer FAIRSCAPE-API für Metadaten und Provenienz. Ziel ist es, sicherzustellen, dass die Daten für KI-Anwendungen leicht zugänglich, interoperabel und wiederverwendbar sind. Das Projekt konzentriert sich auch auf die Zuordnung von Datenelementen zu öffentlichen Ontologie-Vokabularen und die Verwendung von JSON-Schema-Mini-Datenwörterbuch-Beschreibungen.

Die von CM4AI generierten Zellkarten haben zahlreiche Anwendungen in der KI-Forschung. Sie können zur Interpretation genetischer Varianten und Mutationen verwendet werden, um zu verstehen, wie Proteinkomplexe Zellphänotypen beeinflussen, und um KI-Werkzeuge für sichtbares maschinelles Lernen zu entwickeln. Durch die Bereitstellung einer umfassenden Ansicht der zellulären Architektur ermöglichen Zellkarten Forschern, genauere und effektivere KI-Modelle für biomedizinische Anwendungen zu erstellen. Diese Modelle können zur Vorhersage von Krankheitsverläufen, zur Identifizierung potenzieller Zielmoleküle für Medikamente und zur Entwicklung personalisierter Behandlungsstrategien verwendet werden.

Das CM4AI-Projekt entwickelt sich ständig weiter, wobei zukünftige Richtungen die Verbesserung der KI-Bereitschaftsfunktionen, die Erweiterung der untersuchten Zelllinien und Bedingungen sowie die Entwicklung ausgefeilterer Datenintegrations- und Analysetools umfassen. Das Projekt zielt darauf ab, einen bedeutenden Einfluss auf die biomedizinische Forschung zu haben, indem es die Daten und Werkzeuge bereitstellt, die für die Entwicklung transformativer KI-Anwendungen notwendig sind. Durch die Einhaltung ethischer Grundsätze und die Förderung von FAIR-Datenpraktiken stellt CM4AI sicher, dass seine Ressourcen verantwortungsvoll und zum Wohle der Menschheit eingesetzt werden.