Squidiff: Predecir el desarrollo celular y las respuestas a las perturbaciones utilizando un modelo de difusión

Área de la Ciencia:

• Biología computacional
• La genómica
• Biología de sistemas

Sus antecedentes:

• La secuenciación de una sola célula revela heterogeneidad celular, pero el mapeo de los cambios transcriptómicos a los estímulos es un desafío.
• Los métodos experimentales actuales para estudiar las respuestas celulares a estímulos como la radiación o las drogas requieren mucha mano de obra.
• Elucidar los mecanismos de la enfermedad requiere herramientas eficientes para predecir el comportamiento celular en diversas condiciones.

Objetivo del estudio:

• Desarrollar un nuevo marco computacional, Squidiff, para predecir alteraciones transcriptómicas en diversos tipos de células en respuesta a estímulos ambientales.
• Para demostrar la utilidad de Squidiff en el modelado de procesos biológicos complejos y la predicción de respuestas celulares.
• Facilitar el cribado *in silico* de paisajes moleculares para la generación acelerada de hipótesis y descubrimiento de fármacos.

Principales métodos:

• Desarrolló Squidiff, un marco generativo basado en el modelo de difusión para predecir cambios transcriptómicos.
• Aprendizaje de características semánticas para capturar estados celulares transitorios.
• Aplicó el modelo a diversos escenarios, incluida la diferenciación celular, la perturbación génica y la predicción de la respuesta a los medicamentos.

Principales resultados:

• Squidiff predice con precisión los paisajes transcriptómicos a través de varios tipos de células y condiciones.
• Robustez demostrada en el modelado de la diferenciación celular, las perturbaciones genéticas y las respuestas a los medicamentos.
• Modelado con éxito el desarrollo organoide de los vasos sanguíneos y las respuestas celulares a la irradiación de neutrones y factores de crecimiento.

Conclusiones:

• Squidiff permite una eficiente predicción en silicio de los cambios transcriptómicos, superando las limitaciones experimentales.
• El marco facilita la generación rápida de hipótesis y proporciona información para la medicina de precisión.
• Squidiff representa un avance significativo en las herramientas computacionales para la investigación biológica y el desarrollo de medicamentos.