ဆဲလ်ဖွံ့ဖြိုးမှုဖြစ်စဉ်အပေါ် AI နည်းပညာကဆောင်ယူလာတဲ့အမြင်သစ်

VIB-UGent Center for Inflammation Research မှသုတေသီတွေဟာ အထက်ဖေါ်ပြပါ ဆဲလ်တွေရဲ့ ဖြစ်စဉ်တွေကို အကောင်းဆုံး ခြေရာခံပုံဖေါ်ပေးနိုင်မယ့် နည်းလမ်းတခုကို ဖော်ထုတ်ထားပါတယ်။ သူတို့ဟာ ဆဲလ်တွေရဲ့ဖွံ့ဖြိုးရှင်သန်မှုကိုခြေရာခံပြီး ပုံဖော်နားလည်နိုင်ဖို့အတွက် လက်ရှိကြုံတွေ့နေရတဲ့ အရေးပါတဲ့ အခက်အခဲနဲ့ စိန်ခေါ်မှုတွေကို ဖော်ပြခဲ့ပြီး၊ ဒီပြဿနာတွေကို ဖြေရှင်းဖို့နည်းလမ်းတွေကို အကောင်းဆုံးရွေးချယ်နိုင်မယ့် နည်းလမ်းတွေကိုပါ ဆွေးနွေးဖော်ပြခဲ့ပါတယ်။

ဆဲလ်တွေဟာ ဆဲလ်ပွားခြင်း၊ တည်ဆောက်ပုံပြောင်းလဲခြင်း၊ ပတ်ဝန်းကျင်ရဲ့ လှုံ့ဆော်မှုကိုခံရခြင်းတွေကြောင့် တချိန်လုံးပြောင်းလဲနေတာပါ။ ဒီလိုဖြစ်စဉ်တခုချင်းစီအတွင်းမှာကိုပဲ လမ်းကြောင်းမျိုးစုံနဲ့ ဖြစ်ပွားနိုင်ပြီး ပြောင်းလဲမှုတဆင့်ချင်းစီမှာ ဘယ်လိုပုံစံ ဘယ်လိုနည်းလမ်း ဘယ်လိုလမ်းကြောင်းတွေနဲ့ ရှေ့ဆက်ဖြစ်ပွားမလဲဆိုတာကို ဆဲလ်ကိုယ်၌ရဲ့ အတွင်းအပြင်အခြေအနေတွေပေါ်မူတည်ပြီးဆုံးဖြတ်ပါတယ်။ Single-cell နည်းပညာတွေဖွံ့ဖြိုးတိုးတက်လာမှုရဲ့ အကျိုးကျေးဇူးကြောင့် အဲ့ဒီ့လို ဆဲလ်တွေရဲ့ ဖြစ်ပျက်သံသရာလမ်းကြောင်းတွေကို လေ့လာရတာဟာ အတော်ကို လွယ်ကူရှင်းလင်းလာပါတယ်။ Single-cell နည်းပညာဆိုတာကတော့ နှစ်သက်ရာ သီးသန့်ဆဲလ်တခုတည်းကိုပဲ တိကျစွာ အသေးစိတ် လေ့လာပုံဖော်နိုင်တဲ့နည်းပညာဖြစ်ပါတယ်။ ဒီနည်းပညာကို ကွန်ပျူတာနည်းပညာနဲ့ပေါင်းစပ်လိုက်မယ်ဆိုရင် သက်ရှိတွေရဲ့ အင်္ဂါအစိတ်အပိုင်းတွေထဲမှာရှိတဲ့ ဆဲလ်တွေရဲ့ ပြောင်းလဲဖွံ့ဖြိုး ဖြစ်ပျက်နိုင်တဲ့ လမ်းကြောင်းပေါင်းစုံကို ခြေရာခံဖော်ထုတ်နိုင်မှာဖြစ်ပြီး ရောဂါမျိုးစုံရဲ့ အကြောင်းအရင်း ဇာစ်မြစ်တွေကိုပါ သဘောပေါက်နားလည်လာနိုင်စေမှာဖြစ်ပါတယ်။

Sayes Lab မှ သုတေသီ နှစ်ဦးဖြစ်တဲ့ Robrecht Cannoodt နဲ့ Wouter Saelens တို့ဟာ လက်ရှိရနိုင်သမျှစနစ်တွေ Tools တွေကို စမ်းသပ်နှိုင်းယှဉ်လေ့လာပြီး ဒီသုတေသနနယ်ပယ်ထဲက ရှုပ်ထွေးဝေဝါးနေမှုတွေကို ရှင်းလင်းဖို့ကြိုးစားခဲ့တာပဲဖြစ်ပါတယ်။

“စစချင်းမှာတော့ နည်းစနစ်ပေါင်းစုံရဲ့ ကွဲပြားခြားနားမှုတွေကို တတ်နိုင်သမျှ နားလည်လွယ်ပြီးရှင်းလင်းတဲ့ပုံစံရအောင်လုပ်ဖို့ပါပဲ၊ ဒီလိုနဲ့ Tools တွေကို ဘယ်လိုတပ်ဆင်ရမယ် Setting တွေဘယ်လိုချိန်ရမယ် ဘယ်လိုပြောင်းလိုက်ရင် ဘယ်လိုဖြစ်သွားမယ်ဆိုတဲ့ စစ်စစ်ပေါက်ပေါက် အသေးစိတ်တွေကိုပါ ထည့်သွင်းဖြစ်သွားတာပေါ့” လို့ Robrecht Cannoodt ကပြောပါတယ်။

“ ကျွန်တော်တို့ရဲ့လုပ်ငန်းစဉ်က ဆဲလ်တွေရဲ့လမ်းကြောင်းတွေကိုနှိုင်းယှဉ်တဲ့ဖြစ်စဉ်ကိုပိုမိုကောင်းမွန်အောင် မွမ်းမံတဲ့အပြင်၊ စံနှုန်းတွေကိုဖော်ထုတ်တဲ့နည်းလမ်းတွေကိုလည်း ပိုမိုတိုးတက်ကောင်းမွန်လာဖို့ကြိုးစားတာပဲဖြစ်ပါတယ်။ ကျွန်တော်တို့ရဲ့သုတေသနလုပ်ငန်းစဉ်အတွင်းမှာ Containerization နဲ့ Continuous Integration တို့လိုနောက်ဆုံးပေါ်နည်းပညာတွေကိုပေါင်းစပ်ပြီး လွယ်ကူစွာပြန်လည်ဖန်တီးနိုင်ပြီး စိတ်ကြိုက်လည်း တိုးချဲ့နိုင်တဲ့ စံနှုန်းတွေကို လေ့လာတဲ့နည်းစနစ်တခုကို ဖော်ထုတ်ခဲ့ပါတယ်။ ဒီလိုဖော်ထုတ်လိုက်တယ်ဆိုတာက Final Product တခုကိုထုတ်လိုက်တာမဟုတ်ဘဲ ဇီဝ ဆေးသိပ္ပံအချက်အလက်တွေကိုဆန်းစစ်လေ့လာ အဖြေရှာပေးနိုင်မယ့် ဆော့ဖ်ဝဲလ် တွေရဲ့ တိုးတက်မှုလမ်းကြောင်းကို အစပြုအရှိန်တင်ပေးလိုက်တာမျိုးဖြစ်ပါတယ်” လို့ Wouter Saelens က ထပ်လောင်းပြောဆိုခဲ့ပါတယ်။

ဒီလို စံနှုန်းရလာဒ်တွေကိုအခြေခံပြီး ၎င်းတို့အဖွဲ့က သုတေသီတွေအတွက် အသုံးပြုသူလမ်းညွှန်တခုကို ထုတ်ပြန်ပေးခဲ့ပါတယ်။ လမ်းညွှန်ချက်မှာဆိုရင် သုတေသီတွေအနေနဲ့ အပြန်အလှန်လုပ်ဆောင်နိုင်တဲ့ App ကိုအသုံးပြုပြီး ကိုယ်နှစ်သက်ရာ ဇီဝစနစ်နဲ့ သက်ဆိုင်တဲ့ အလျော်ညီဆုံးသော နည်းစနစ်ကို ရွေးချယ်နိုင်မှာဖြစ်ပါတယ်။ ဒါဟာ ဇီဝသိပ္ပံနယ်ပယ်မှာ ပထမဦးဆုံး ဖန်တီးမှုပဲဖြစ်ပါတယ်။ အနာဂါတ်မှာ အခုထက်ပိုပြီးအသေးစိတ်တဲ့ ချိန်ညှိချက်တွေကို ထပ်မံပေါင်းထည့်ပေးသွားမှာဖြစ်ပါတယ်။ ဒီနည်းစနစ်တခုလုံးနဲ့ပတ်သက်တဲ့ ဆက်သွယ်ရေးလမ်းကြောင်းတွေ ဆော့ဖ်ဝဲလ် အရင်းအမြစ်တွေအကုန်လုံးကို dynverse.org မှာ အခမဲ့ရရှိနိုင်ပါတယ်။ ဖွံ့ဖြိုးတိုးတက်မှုနဲ့ပတ်သက်တဲ့ဆွေးနွေးမှုတွေကိုလည်း ၎င်းတို့အဖွဲ့မှ နွေးထွေးစွာ ကြိုဆိုကြောင်းဖော်ပြထားပါတယ်။

sci-hub.tw/10.1038/s41587-019-0071-9
More information: A comparison of single-cell trajectory inference methods, Nature Biotechnology (2019).

DOI: 10.1038/s41587-019-0071-9 , https://www.nature.com/articles/s41587-019-0071-9

dynverse.org

ယခုဆောင်းပါးတိုကို ဤ Link မှ အဓိက မှီငြမ်းကာပြုစုတင်ပြထားခြင်းဖြစ်ပါသည်။