Il deep learning per mappare intere aree del genoma

Un team internazionale, con il contributo dei ricercatori Unifi, ha pubblicato studio che dimostra l’efficacia di un metodo di calcolo nel mettere in relazione le informazioni relative al sequenziamento dell’RNA con il contesto spaziale.
Archivio fotografico 123rf.com - Riproduzione riservata
Archivio fotografico 123rf.com - Riproduzione riservata

Che cosa manca alla mappatura genomica completa di un organo? La ricostruzione spaziale dei dati sequenziati, che permetta di identificare, a risoluzione delle singole cellule, le caratteristiche, istologiche, genetiche e anatomiche.

Un team internazionale, con il contributo dei ricercatori del Dipartimento di Fisica e astronomia Unifi, ha pubblicato su Nature Methods un articolo che dimostra l’efficacia di un metodo di calcolo nel mettere in relazione le informazioni relative al sequenziamento dell’RNA con il contesto spaziale, con una precisione ben superiore alle attuali tecnologie in situ.

Lo studio è coordinato da Tommaso Biancalani, ricercatore del Broad Institute del MIT di Boston, laureato a Firenze, che lo ha condotto con la collaborazione di Duccio Fanelli e di Lorenzo Buffoni, rispettivamente docente di Fisica della Materia e borsista del Dipartimento di Fisica e Astronomia.

Abbiamo sviluppato un algoritmo che funziona grazie al deep learning, come quelli utilizzati per il riconoscimento facciale– spiega Buffoni –, che in questo caso lavora per identificare automaticamente i campioni di tessuto da analizzare e ricostruire così le informazioni legate ai singoli geni e riferite anche alle coordinate spaziali di nostro interesse.

Il metodo, testato su un modello animale, ha permesso di raccogliere e visualizzare le immagini delle singole regioni del cervello, con una risoluzione fino a 30.000 geni per cellula.

Lo abbiamo chiamato Tangram, come il famoso rompicapo basato sulla composizione e ricomposizione di alcune figure geometriche, perché ci permette di posizionare i singoli geni in modo spazialmente corretto – commenta Fanelli – e potrà essere impiegato per profilare completamente qualsiasi tipo di informazione genetica superando le attuali limitazioni tecnologiche.

 


COPYRIGHT: © 2017 UNIVERSITÀ DEGLI STUDI DI FIRENZE.
Eccetto dove diversamente specificato, i contenuti di questo post sono rilasciati sotto Licenza Creative Commons Attribution ShareAlike 4.0 International (CC BY-SA 4.0).

More from Silvia D'Addario

Quanto sono lunghi 3 km per una farfalla?

La domanda che si sono posti i ricercatori del Dipartimento di Biologia...
Leggi di più