تنبؤ الاستجابات الخلوية للاضطرابات المعقدة في الفحوصات ذات الإنتاجية العالية

أحدثت التقدمات الأخيرة في تجارب النسخ الجيني المفرد المتعددة تسهيلات للدراسة عالية الإنتاجية للاضطرابات الدوائية والجينية. ومع ذلك، فإن الاستكشاف الشامل لمساحة الاضطرابات التركيبية غير ممكن عملياً. وبالتالي، هناك حاجة إلى طرق حسابية لتوقع وتفسير وترتيب الاضطرابات. هنا، نقدم مشفر الاضطراب التركيبي (CPA)، الذي يجمع بين قابلية تفسير النماذج الخطية ومرونة أساليب التعلم العميق لنمذجة استجابة الخلايا المفردة. يتعلم CPA توقع استجابة الاضطراب النسخي على مستوى الخلايا المفردة للجرعات غير المرئية وأنواع الخلايا والنقاط الزمنية والأنواع. باستخدام بيانات تجميع الأدوية الخلوية المفردة التي تم إنشاؤها حديثًا، نثبت أن CPA يمكنه توقع تركيبات أدوية غير مرئية بينما يتفوق على النماذج الأساسية. بالإضافة إلى ذلك، فإن وحدات التصميم في العمارة تمكن من دمج التمثيل الكيميائي للأدوية، مما يسمح بتوقع استجابة الخلايا تجاه أدوية غير مرئية بالكامل. علاوة على ذلك، يمكن أيضًا تطبيق CPA على الفحوصات الجينية التركيبية. نوضح ذلك من خلال تخمين 5,329 تركيبة مفقودة (97.6% من جميع الاحتمالات) في تجربة Perturb-seq خلوية مفردة مع تفاعلات جينية متنوعة. نتخيل أن CPA سيسهل تصميم تجارب فعالة وتوليد فرضيات من خلال تمكين توقع الاستجابة في السليكو على مستوى الخلايا المفردة وبالتالي تسريع التطبيقات العلاجية باستخدام تقنيات خلايا مفردة.