Российские учёные разработали биоинформатический инструмент scParadise, который с точностью до 99,9% распознаёт различные типы клеток по данным секвенирования РНК и оценивает их белковый состав. Технология может стать важным инструментом для диагностики заболеваний, помогая отличать раковые клетки от здоровых, выявлять редкие разновидности иммунных клеток и в перспективе создавать более персонализированные методы лечения. 

Современная медицина всё чаще использует секвенирование РНК — метод, позволяющий изучать молекулы, которые клетка создаёт на основе своей ДНК. У каждого типа клеток такой набор отличается, поэтому по нему можно определить, к какому виду относится клетка, в том числе различные типы иммунных клеток. Однако после расшифровки РНК возникает другая сложная задача — нужно правильно обработать огромный объём информации. Вручную это занимает слишком много времени, а существующие алгоритмы нередко ошибаются, особенно при поиске редких или необычных клеток.

Для решения этой проблемы учёные МГУ, Национального исследовательского центра эпидемиологии и микробиологии имени почётного академика Н. Ф. Гамалеи и ФМБА разработали систему scParadise. Она использует технологии искусственного интеллекта и по последовательностям РНК с точностью до 99,9% различает разные типы клеток, одновременно оценивая их белковый состав.

Во время испытаний исследователи проанализировали клетки жировой ткани здоровых людей и пациентов с лишним весом. Система не только правильно распознала все известные типы клеток, но и обнаружила три ранее не описанные разновидности иммунных клеток, которые, по мнению авторов, могут участвовать в развитии хронического воспаления при ожирении.

По словам разработчиков, технология имеет широкие перспективы для медицины. Она позволит по данным секвенирования РНК определять причины воспаления у пациентов с лишним весом, а также находить в опухолях единичные клетки, устойчивые к химиотерапии. Это поможет врачам точнее подбирать лечение и повысить его эффективность за счёт воздействия на конкретные клетки, поддерживающие развитие заболевания.