Mapas Celulares para IA: Revolucionando la Investigación Biomédica con Datos Listos para IA

El proyecto Cell Maps for Artificial Intelligence (CM4AI), un Proyecto de Generación de Datos de Genómica Funcional dentro del programa Bridge2AI de los NIH, tiene como objetivo revolucionar la investigación biomédica con IA. Su misión principal es generar conjuntos de datos éticos y listos para IA de la arquitectura celular, derivados de datos multimodales recopilados de líneas celulares humanas. Esta iniciativa busca proporcionar a los investigadores las herramientas y los datos necesarios para desarrollar aplicaciones transformadoras de IA en biomedicina. CM4AI se centra en tres pilares principales: Datos, Personas y Ética, organizados en seis módulos que cubren la adquisición de datos, herramientas, estándares, desarrollo de habilidades, trabajo en equipo y consideraciones éticas. Al crear mapas jerárquicos de la arquitectura celular legibles por máquina, CM4AI permite una comprensión más profunda de los procesos celulares y sus implicaciones para la salud humana.

Los mapas celulares son grafos dirigidos acíclicos (DAG) jerárquicos que representan la organización de proteínas dentro de una célula a varias escalas. Cada nodo en el grafo representa un ensamblaje de proteínas en proximidad, que van desde grandes compartimentos celulares como el núcleo y las mitocondrias hasta complejos proteicos más pequeños. Estos mapas se construyen utilizando datos de líneas celulares alteradas y no alteradas, incluidas líneas celulares de cáncer y células madre pluripotentes inducidas (iPSC). Se utilizan técnicas como la purificación por afinidad-espectrometría de masas (AP-MS) y la tinción por inmunofluorescencia (IF) para generar redes de interacción de proteínas y revelar la localización de proteínas. Al integrar estos datos, los mapas celulares proporcionan una base para interpretar variantes genéticas y mutaciones, y pueden utilizarse en herramientas de IA para el aprendizaje automático visible para comprender cómo los ensamblajes de proteínas afectan las predicciones de fenotipos a nivel celular.

CM4AI define los datos biomédicos listos para IA como datos FAIR completamente caracterizados con procedencia conocida, procesados de manera ética y confiable para aplicaciones de IA. Esto incluye garantizar que los modelos y el software utilizados estén disponibles, bien descritos y validados, y que las predicciones realizadas puedan explicarse e interpretarse. Los principios clave incluyen: FAIRness (Encontrable, Accesible, Interoperable, Reutilizable), Procedencia (disponibilidad de grafos computacionales), Caracterización (esquemas completos y hojas de datos), Explicabilidad (caracterización estadística y limitaciones) y Consideraciones Éticas (trato ético de los sujetos y análisis de datos responsable). CM4AI utiliza una versión ampliada del marco FAIRSCAPE para establecer una base para la preparación para IA, centrándose en metadatos enriquecidos, identificadores persistentes y procedimientos de validación.

CM4AI utiliza líneas celulares específicas, incluida la línea celular de cáncer de mama MDA-MB-468 y la línea de iPSC KOLF2.1J, ambas de origen ético. La adquisición de datos implica el mapeo de interacciones proteína-proteína (PPI) utilizando AP-MS y SEC-MS, el mapeo de proteómica espacial utilizando inmunofluorescencia y el mapeo de perturbaciones genéticas utilizando pantallas CRISPR de célula única. Para el mapeo de PPI, se etiquetan los reguladores de la cromatina y se analizan sus interacciones en diferentes condiciones. El mapeo de proteómica espacial implica protocolos automatizados de fijación y permeabilización para mapear la organización subcelular de proteínas clave. El mapeo de perturbaciones genéticas utiliza pantallas CRISPR para perturbar los reguladores de la cromatina y analizar los datos resultantes.

La canalización Multi-Scale Integrated Cell (MuSIC) es una herramienta clave para integrar datos y producir mapas celulares a partir de múltiples flujos de datos de entrada. La canalización incluye segmentos para descargar datos de PPI e imágenes, generar incrustaciones utilizando modelos de aprendizaje profundo, co-incrustación para integrar información de PPI e imágenes, detección de comunidades de proteínas, creación de jerarquías y evaluación de jerarquías. La canalización se interconecta con la infraestructura FAIRSCAPE para validar las entradas y crear paquetes RO-Crate. También se explora el modelado de estructuras integradoras para aumentar la comprensión de las comunidades MuSIC.

CM4AI enfatiza el empaquetado de preparación para IA a través del desarrollo de estándares para la integración de datos y la gestión de metadatos. Esto incluye la creación de diccionarios de datos, estándares de formato y una API de metadatos y procedencia FAIRSCAPE. El objetivo es garantizar que los datos sean fácilmente accesibles, interoperables y reutilizables para aplicaciones de IA. El proyecto también se centra en mapear elementos de datos a vocabularios de ontología pública y utilizar descripciones de mini-diccionarios de datos JSON-Schema.

Los mapas celulares generados por CM4AI tienen numerosas aplicaciones en la investigación de IA. Pueden utilizarse para interpretar variantes genéticas y mutaciones, comprender cómo los ensamblajes de proteínas afectan los fenotipos a nivel celular y desarrollar herramientas de IA para el aprendizaje automático visible. Al proporcionar una visión integral de la arquitectura celular, los mapas celulares permiten a los investigadores construir modelos de IA más precisos y efectivos para aplicaciones biomédicas. Estos modelos pueden utilizarse para predecir resultados de enfermedades, identificar posibles dianas farmacológicas y desarrollar estrategias de tratamiento personalizadas.

El proyecto CM4AI está en continua evolución, con direcciones futuras que incluyen la mejora de las características de preparación para IA, la expansión del rango de líneas celulares y condiciones estudiadas, y el desarrollo de herramientas de integración y análisis de datos más sofisticadas. El proyecto tiene como objetivo tener un impacto significativo en la investigación biomédica al proporcionar los datos y las herramientas necesarias para desarrollar aplicaciones transformadoras de IA. Al adherirse a principios éticos y promover prácticas de datos FAIR, CM4AI garantiza que sus recursos se utilicen de manera responsable y para el beneficio de la humanidad.