Zum Inhalt

Wissenschaft und Durchbrüche

Eine Wissenschaftlerin an einem Fluoreszenzmikroskop, der Monitor zeigt farbig angefärbtes Gewebe mit leuchtenden Zellen,…
Made with AI

Eine interpretierbare KI erklärt, warum Immunzellen manche Tumoren nicht erreichen

Die meisten Werkzeuge der räumlichen Biologie zeigen, wo Zellen sitzen. Dieses versucht zu sagen, warum.

Von Die Redaktion, Nachrichten · · 1 Min. Lesezeit

Verantwortet von Dimitri Gärtner

Teilen

Tags: Biologie · Krebs · Immunologie · Nature

Die Nachricht
Die meisten Werkzeuge der räumlichen Biologie zeigen, wo Zellen sitzen.
Warum es zählt
Dieses versucht zu sagen, warum.
Was belegt ist
Das Foto ist für diese Geschichte generiert.

Der tägliche Pin – 5 Minuten, mit Quelle.

An eine genannte Quelle gebunden. Nicht als geprüft markiert. Nature Biomedical Engineering: Interpretable AI model reveals spatial codes of cell recruitment in tissues

Die Nachricht

Eine am 13. Oktober in Nature Biomedical Engineering veröffentlichte Arbeit stellt SPACER vor, ein vollständig interpretierbares Framework für maschinelles Lernen, das Rekrutierungsregeln auf Genebene aus räumlich aufgelösten Transkriptomdaten entschlüsselt. Angewendet auf 37 Datensätze über mehrere menschliche Tumortypen und das Herz der Maus erreichte es 4- bis 21-fache Verbesserungen gegenüber bestehenden Methoden beim Wiederfinden biologisch bedeutsamer Rekrutierungssignale, berichten die Autoren.

Warum es zählt

Zu wissen, warum T-Zellen mit einem Tumor nicht in Kontakt treten, könnte helfen vorherzusagen, wer auf eine Immuntherapie anspricht. Ein interpretierbares Modell gibt Biologen Regeln, die sie prüfen können, nicht nur einen Score.

Die Einzelheiten

SPACER fand, dass von Tumoren exprimierte Muzine mit physischen Barrieren für den Kontakt von T-Zellen zusammenhängen, was Resistenz gegen Immuncheckpoint-Inhibitoren und die Prognose der Patienten vorhersagt. Es bestimmte die lokale Antigenpräsentation als das dominante Korrelat des T-Zell-Kontakts über die Krebsarten hinweg.

Es wies außerdem auf CD4-positive T-Zellen als die dominanten Effektoren bei schwerer Myokarditis hin, die durch Checkpoint-Inhibitoren verursacht wird.

Was wir nicht prüfen konnten

  • Die vollständige Arbeit liegt hinter einer Bezahlschranke; wir stützten uns auf das Abstract.
  • Die Befunde sind Zusammenhänge, die eine experimentelle Bestätigung brauchen.

Quellen

Das Foto ist für diese Geschichte generiert. Es zeigt nicht die darin genannten Personen.

  1. Nature Biomedical Engineering: Interpretable AI model reveals spatial codes of cell recruitment in tissues

Fehler melden

Der tägliche Pin – 5 Minuten, mit Quelle.

Teilen

Eine interpretierbare KI erklärt, warum Immunzellen manche Tumoren nicht erreichen · The AI Pin