Hücre Görüntüleri Yapay Zekâ ile Düzenleniyor: Spatial Transcriptomics Atılımı

Biyoloji ve yapay zekânın kesiştiği noktada ilginç bir sorun çözülüyor. Spatial transcriptomics platformları, doku örneklerinden gen ekspresyon verilerini ve hücre çekirdek görüntülerini aynı anda yakalarken, bir teknik engelle karşılaşıyor: üç boyutlu dokuyu ince kesitlere ayırmak.

Bu kesitleme süreci, ölçüm geometrisinden kaynaklanan yapay bir korelasyon yaratıyor. Kesme açısına bağlı olarak kesit alanı değişiyor; daha geniş kesitler daha fazla mRNA açığa çıkarırken, çekirdek alanı gibi morfoloji özellikleri doğrudan 2D sınırdan ölçülüyor. Sonuç: gen ekspresyonu ile görüntü özellikleri arasında gözlenen ilişki, gerçek biyolojiden ziyade ölçüm yöntemini yansıtıyor.

ArXiv'de yayımlanan yeni çalışma, Manifold-Aware Diffusion (MAD) adlı yapay zekâ çerçevesini kullanarak bu sorunu ele alıyor. Araştırmacılar, mevcut hücre görüntülerini gen verilerine dayalı olarak koşullu biçimde düzenleme yeteneği geliştirdi. Bu, gen-görüntü yöntemlerini iki omiks katmanı arasında çift yönlü çalışacak şekilde genişletiyor.

Pratik açıdan, bu yaklaşım patoloji ve gen analizi yapan araştırmacıların verilerindeki bu sistematik sapmaları düzeltmesine yardımcı olabilir. Doku kesitleme artefaktlarını hesaba katarak daha güvenilir biyolojik çıkarımlar yapmayı mümkün kılıyor. Özellikle kanser ve enflamasyon araştırmalarında, doğru morfoloji-ekspresyon ilişkisini anlamak kritik öneme sahip.