Фотография учёной Барбары Трейтлейн.

Барбара Трейтлейн является первопроходцем в области изучения и моделирования человеческого мозга. Будучи профессором Швейцарской высшей технической школы Цюриха и победителем конкурса «100 миллионов клеток» вместе с коллегой Фабианом Тайсом, она сочетает инновационные подходы к изучению развития мозга и механизмов заболеваний с анализом отдельных клеток.

Трейтлейн делится своими впечатлениями от использования органоидов для моделирования человеческого мозга, применения ИИ для ускорения лабораторных исследований и рассказывает о том, как крупномасштабные эксперименты с одноклеточными организмами приближают учёных к созданию полноценных виртуальных моделей человеческих тканей. Мы используем геномные технологии для изучения развития человеческих органов.

Не могли бы вы рассказать нам о своём исследовании?

Мы используем одноклеточные геномные технологии для изучения развития органов человека. Мы уделяем особое внимание мозгу и используем органоиды, полученные из стволовых клеток, для моделирования развития человеческого мозга. Это трёхмерные ткани, выращенные в лабораторных условиях, которые имитируют архитектуру ткани человеческого мозга, а также функциональные аспекты человеческого мозга. Это захватывающие системы, потому что мы можем выращивать их в больших масштабах. Мы можем выращивать множество тканей для конкретного человека. Мы можем выращивать их из индуцированных плюрипотентных стволовых клеток (iPS). Затем мы можем воздействовать на них генетически и с помощью окружающей среды. Мы используем данные об отдельных клетках этих органоидов, чтобы понять, как клетки определяют свою судьбу, какие гены и программы регуляции генов лежат в основе определения судьбы клетки и как нарушения приводят к заболеваниям.

Не могли бы вы рассказать нам о проекте, который вы собираетесь запустить на QuantumScale?

Органоиды — относительно новая модель. В последние несколько лет мы пытались использовать их для высокопроизводительных скрининговых исследований. До сих пор мы тестировали 20–30 генов одновременно либо генетически, либо с помощью лекарств. Но мы готовы увеличить масштаб, потому что у нас есть автоматизированная система культивирования органоидов и автоматизированная система диссоциации органоидов для проведения высокопроизводительных скрининговых исследований. Наш проект основан на высокопроизводительном скрининге путей в органоидах человека. Мы уделяем внимание всем основным областям мозга — от переднего мозга до среднего и заднего. Идея состоит в том, чтобы воздействовать на многие пути передачи сигналов с помощью лекарств, а также выполнять множество комбинаторных воздействий. Конечная цель состоит в том, чтобы собрать все эти данные и обучить модели на основе ИИ, которые в конечном итоге смогут предсказывать неизвестные воздействия. ИИ также потенциально может направлять будущие исследования в области воздействия, подсказывая нам, какие условия следует тестировать, какие из них наиболее эффективны или перспективны.

Сосредоточены ли вы на изучении конкретного заболевания или конкретного механизма в рамках скрининга?

Мы стараемся охватить как можно больше направлений, нацеливаясь на все основные пути, которые в принципе определяют функционирование любого типа клеток, а затем изучаем, как эти пути активны в клетках человеческого мозга и каковы взаимосвязи между ними.

Я думаю, что сейчас действительно захватывающее время, когда у нас есть человеческие модели и мы можем выращивать их в больших масштабах, чтобы проводить такие эксперименты с пертурбациями в соответствующем человеческом контексте. Мы не можем использовать для этого первичную ткань человеческого мозга, а двумерные культуры человеческих клеток не имитируют сложность in vivo. Органоиды, напротив, имеют очень большое разнообразие типов клеток, которые мы можем пертурбировать вместе.

Мы можем спросить: «Какова реакция данного типа клеток?» и «Почему разные типы клеток реагируют по-разному?» Модель ИИ может изучить всё это и в будущем делать прогнозы.

Сколько органоидов вы можете создать за один раз?

Мы выращиваем несколько тысяч органоидов.

Сейчас мы увеличиваем количество возмущений в 10 раз по сравнению с тем, что мы делали раньше. Сюда входят как отдельные возмущения, так и их комбинации, чего мы раньше не делали. Комбинаторное пространство огромно, поэтому мы не сможем полностью его исчерпать. Вот почему мы с нетерпением ждём возможности обучить модели, исключив комбинации, которые мы фактически измерили, а затем посмотреть, сможем ли мы их предсказать. Я думаю, мы всё ещё пытаемся понять, какое количество изменений, клеток и тканей необходимо проанализировать, чтобы иметь возможность проводить прогнозное моделирование.

Мы стремимся к тому, чтобы в образце было 2000–3000 клеток, но это зависит от клеточного разнообразия наших органоидов. В зависимости от того, сколько типов клеток вы обнаружите в ткани, вам может понадобиться больше или меньше клеток, чтобы получить достаточное количество клеток каждого типа и для каждого воздействия. Поскольку органоиды неоднородны, нам нужно убедиться, что в данном случае в каждом органоиде есть несколько тысяч клеток, а также сделать несколько копий, чтобы учесть и контролировать технические эффекты.

Когда вы разговариваете с исследователями, занимающимися скринингом клеточных линий, они говорят, что им не нужно много клеток.

Это, безусловно, совсем другое дело. Иногда эти экраны содержат, скажем, три линии раковых клеток. Каждая из этих линий очень однородна и, возможно, содержит только один тип клеток, так что это совсем другая проблема. В такой ситуации можно использовать 100 клеток на образец. В случае с нашими органоидами мы говорим о сложной человеческой ткани, которая содержит множество различных популяций нейронов, популяций глиальных клеток и других типов клеток. Для меня это интересно, потому что мы выходим за рамки клеточных линий, которые не совсем точно имитируют физиологию человека.

Какие долгосрочные потенциальные применения или открытия могут быть связаны с этой работой?

Основная цель — изучить полный фенотипический ландшафт всех типов клеток человека. Сколько состояний клеток существует в человеческом организме, какие генетические механизмы регулируют эти состояния и какие сигналы окружающей среды переводят клетку из одного состояния в другое. Органоиды — это хорошая модель человеческих органов in vitro, которая позволяет исследовать этот ландшафт.

В конечном счёте, если вы объедините все эти данные в большую базовую модель, то сможете предсказать, как любое воздействие изменит фенотип клетки, какие типы клеток будут затронуты в первую очередь и каковы будут побочные эффекты препарата. В конечном счёте мы движемся к этой грандиозной цели — созданию виртуальной модели тканей человека. Но для этого нам нужно создать наборы данных по атласу воздействий.

Наступит ли день, когда модель искусственного интеллекта заменит необходимость проводить эксперименты в лаборатории?

Возможно, в конечном итоге мы останемся без работы, но нам ещё многое предстоит сделать. Мы тщательно подбираем лекарства, и даже в этом мы стараемся опираться на данные. Мы выявляем сети регуляции генов с помощью мультиомных экспериментов на одноклеточных организмах, что позволяет нам проводить виртуальные эксперименты, чтобы определить, какие из них могут иметь наибольший эффект. Конечно, после того как вы обучите модель, она также сможет предсказывать, какие эксперименты вам следует проводить в будущем. Я предполагаю, что эти модели помогут нам решить, что именно измерять в лаборатории. Сейчас существует множество препаратов, которые можно в принципе тестировать, но какие из них выбрать и в каких комбинациях? Я был бы рад, если бы ИИ помог мне сделать этот выбор, чтобы провести наиболее информативный эксперимент.

С помощью технологий работы с отдельными клетками становится проще проводить крупномасштабный скрининг. Как это влияет на вашу сферу деятельности?

В нашем случае мы надеемся приблизиться к пониманию причинно-следственных связей. Мы наконец-то можем начать исследовать обширное пространство возможных генетических и экологических воздействий, которым подвергается любая клетка нашего тела, и измерять реакцию на эти воздействия. Мы можем делать это для неоднородных тканей с множеством различных типов клеток, даже если некоторые типы клеток встречаются очень редко, потому что крупномасштабные эксперименты с отдельными клетками позволяют выявить даже редкие типы клеток. Кроме того, мы можем значительно увеличить количество временных точек, в которых можно измерить клеточные траектории, чтобы больше узнать о клеточной дифференциации в процессе развития или в ответ на воздействие. В целом, это даёт нам гораздо более детальное представление о клеточной динамике, которое мы не могли получить ранее из-за того, что данные были получены с большой задержкой. Я думаю, это очень здорово, что у нас появились такие возможности.