Mapas Celulares para IA: Revolucionando a Pesquisa Biomédica com Dados Prontos para IA

O projeto Cell Maps for Artificial Intelligence (CM4AI), um Projeto de Geração de Dados de Genômica Funcional dentro do programa Bridge2AI do NIH, visa revolucionar a pesquisa biomédica em IA. Sua missão principal é gerar conjuntos de dados éticos e prontos para IA da arquitetura celular, derivados de dados multimodais coletados de linhagens de células humanas. Esta iniciativa busca fornecer aos pesquisadores as ferramentas e os dados necessários para desenvolver aplicações transformadoras de IA em biomedicina. O CM4AI foca em três pilares principais: Dados, Pessoas e Ética, organizados em seis módulos que cobrem aquisição de dados, ferramentas, padrões, desenvolvimento de habilidades, trabalho em equipe e considerações éticas. Ao criar mapas hierárquicos de arquitetura celular legíveis por máquina, o CM4AI permite uma compreensão mais profunda dos processos celulares e suas implicações para a saúde humana.

Mapas celulares são grafos acíclicos direcionados (DAGs) hierárquicos que representam a organização de proteínas dentro de uma célula em várias escalas. Cada nó no grafo representa uma montagem de proteínas em proximidade, variando de grandes compartimentos celulares como o núcleo e as mitocôndrias a complexos proteicos menores. Esses mapas são construídos usando dados de linhagens celulares perturbadas e não perturbadas, incluindo linhagens de células cancerígenas e células-tronco pluripotentes induzidas (iPSCs). Técnicas como purificação por afinidade-espectrometria de massa (AP-MS) e coloração por imunofluorescência (IF) são usadas para gerar redes de interação proteica e revelar a localização de proteínas. Ao integrar esses dados, os mapas celulares fornecem uma base para interpretar variantes genéticas e mutações, e podem ser usados em ferramentas de IA para aprendizado de máquina visível para entender como as montagens de proteínas afetam as previsões de fenótipo em nível celular.

O CM4AI define dados biomédicos prontos para IA como dados FAIR totalmente caracterizados com proveniência conhecida, processados de forma ética e confiável para aplicações de IA. Isso inclui garantir que os modelos e softwares utilizados estejam disponíveis, bem descritos e validados, e que as previsões feitas possam ser explicadas e interpretadas. Os princípios-chave incluem: FAIRness (Encontrável, Acessível, Interoperável, Reutilizável), Proveniência (disponibilidade de grafos computacionais), Caracterização (esquemas completos e fichas de dados), Explicabilidade (caracterização estatística e limitações) e Considerações Éticas (tratamento ético dos sujeitos e análise de dados responsável). O CM4AI usa uma versão expandida do framework FAIRSCAPE para estabelecer uma base para a prontidão de IA, focando em metadados ricos, identificadores persistentes e procedimentos de validação.

O CM4AI utiliza linhagens celulares específicas, incluindo a linhagem de células cancerígenas de mama MDA-MB-468 e a linhagem de iPSC KOLF2.1J, ambas de origem ética. A aquisição de dados envolve mapeamento de interação proteína-proteína (PPI) usando AP-MS e SEC-MS, mapeamento de proteômica espacial usando imunofluorescência e mapeamento de perturbação genética usando triagens CRISPR de célula única. Para o mapeamento de PPI, reguladores de cromatina são marcados e suas interações são analisadas sob diferentes condições. O mapeamento de proteômica espacial envolve protocolos automatizados de fixação e permeabilização para mapear a organização subcelular de proteínas-chave. O mapeamento de perturbação genética usa triagens CRISPR para perturbar reguladores de cromatina e analisar os dados resultantes.

O pipeline Multi-Scale Integrated Cell (MuSIC) é uma ferramenta chave para integrar dados e produzir mapas celulares a partir de múltiplos fluxos de dados de entrada. O pipeline inclui segmentos para download de dados de PPI e imagem, geração de embeddings usando modelos de deep learning, co-embedding para integrar informações de PPI e imagem, detecção de comunidades de proteínas, criação de hierarquia e avaliação de hierarquia. O pipeline interage com a infraestrutura FAIRSCAPE para validar entradas e criar pacotes RO-Crate. A modelagem de estrutura integrativa também é explorada para aumentar a compreensão das comunidades MuSIC.

O CM4AI enfatiza o empacotamento de prontidão para IA através do desenvolvimento de padrões para integração de dados e gerenciamento de metadados. Isso inclui a criação de dicionários de dados, padrões de formatação e uma API de metadados e proveniência FAIRSCAPE. O objetivo é garantir que os dados sejam facilmente acessíveis, interoperáveis e reutilizáveis para aplicações de IA. O projeto também se concentra no mapeamento de elementos de dados para vocabulários de ontologia pública e no uso de descrições de mini-dicionários de dados JSON-Schema.

Os mapas celulares gerados pelo CM4AI têm inúmeras aplicações em pesquisa de IA. Eles podem ser usados para interpretar variantes genéticas e mutações, entender como as montagens de proteínas afetam os fenótipos em nível celular e desenvolver ferramentas de IA para aprendizado de máquina visível. Ao fornecer uma visão abrangente da arquitetura celular, os mapas celulares permitem que os pesquisadores construam modelos de IA mais precisos e eficazes para aplicações biomédicas. Esses modelos podem ser usados para prever resultados de doenças, identificar alvos potenciais de medicamentos e desenvolver estratégias de tratamento personalizadas.

O projeto CM4AI está em constante evolução, com direções futuras incluindo o aprimoramento dos recursos de prontidão para IA, a expansão da gama de linhagens celulares e condições estudadas, e o desenvolvimento de ferramentas mais sofisticadas de integração e análise de dados. O projeto visa ter um impacto significativo na pesquisa biomédica, fornecendo os dados e as ferramentas necessárias para desenvolver aplicações transformadoras de IA. Ao aderir a princípios éticos e promover práticas de dados FAIR, o CM4AI garante que seus recursos sejam usados de forma responsável e para o benefício da humanidade.