Con los recientes avances en imágenes, genómica y otras tecnologías, las ciencias biológicas están inundadas de datos. Si los biólogos están estudiando células extraídas del tejido cerebral de pacientes con Alzheimer, por ejemplo, es posible que quieran investigar cualquier cantidad de características: el tipo de célula, los genes que expresa, su ubicación dentro del tejido, etc. Sin embargo, aunque ahora se pueden sondear células experimentalmente utilizando diferentes tipos de mediciones simultáneamente, cuando se trata de analizar los datos, los científicos a menudo solo pueden trabajar con un tipo de medición a la vez.
Trabajar con datos «multimodales», como se les llama, requiere nuevas herramientas computacionales, y ahí es donde entra Xini Zhang.
Un estudiante de doctorado de cuarto año del MIT está uniendo el aprendizaje automático y la biología para comprender los principios biológicos fundamentales, particularmente en áreas donde los métodos tradicionales han llegado a sus límites. Trabaja en el laboratorio de la profesora del MIT Carolyn Uhler en el Instituto de Ingeniería Eléctrica y Ciencias de la Computación y en el Instituto de Datos, Sistemas y Sociedad, y colabora con investigadores del Centro Eric y Wendy Smith del Instituto Broad y otros lugares. Se han realizado múltiples intentos de construir marcos y principios computacionales para comprender los mecanismos reguladores de las células.
«Todos estos son pequeños pasos hacia el objetivo final de tratar de responder cómo funcionan las células, cómo funcionan los tejidos y órganos, por qué tienen enfermedades y por qué a veces son curables y otras no», dice Zhang.
Las actividades que realiza Zhang durante su tiempo libre no son menos ambiciosas. La lista de pasatiempos que adoptó en el instituto incluía vela, esquí, patinaje sobre hielo, escalada en roca, actuar con el coro de conciertos del MIT y volar aviones monomotor. (Recibió su licencia de piloto en noviembre de 2022).
«Creo que me gusta ir a lugares en los que nunca he estado antes y hacer cosas que nunca he hecho antes», dice con su eufemismo característico.
Su asesor, Uhler, dice que la tranquila modestia de Zhang genera sorpresas «en cada conversación».
«De vez en cuando, aprendes algo como: ‘Está bien, ahora está aprendiendo a volar'», dice Uhler. «Es simplemente increíble. Haga lo que haga, lo hace por las razones correctas. Quiere ser buena en las cosas que le importan, lo cual creo que es realmente emocionante».
Zhang se interesó por primera vez en la biología cuando era estudiante de secundaria en Hangzhou, China. Le gustó que su profesora no pudiera responder a sus preguntas en la clase de biología, lo que la llevó a verla como una materia «muy interesante» para estudiar.
Su interés por la biología finalmente se convirtió en interés por la bioingeniería. Después de que sus padres, que eran profesores de secundaria, le sugirieran que estudiara en los Estados Unidos, asistió a la Universidad de California en Berkeley como estudiante, especializándose en esta última con ingeniería eléctrica e informática.
Zhang estaba listo para ingresar directamente al programa de doctorado EACS del MIT después de graduarse en 2020, pero la pandemia de Covid-19 retrasó su primer año. A pesar de eso, en diciembre de 2022, ella, Uhler y otros dos coautores publicaron un artículo. Comunicaciones de la naturaleza.
La base del artículo la sentó uno de los coautores, Xiao Wang. Anteriormente desarrolló una forma de análisis espacial de células con el Broad Institute que combina imágenes celulares y múltiples formas de expresión genética para una sola célula y mapea la ubicación de la célula en una muestra de tejido, algo que nunca se había hecho antes. hecho antes.
El descubrimiento tenía muchas aplicaciones potenciales, incluida la habilitación de nuevos métodos para rastrear la progresión de diversas enfermedades, pero no había forma de analizar todos los datos multimodales que producía el método. Llegó Zhang, que estaba interesado en diseñar un método computacional.
El equipo se centró en la tinción de cromatina como método de obtención de imágenes preferido, que es relativamente económico pero revela más información sobre las células. El siguiente paso fue incorporar técnicas de análisis espacial desarrolladas por Wang y, para ello, Zhang comenzó a diseñar un codificador automático.
Los codificadores automáticos son un tipo de red neuronal que normalmente codifica y comprime grandes cantidades de datos de alta dimensión y luego expande los datos transformados a su tamaño original. En este caso, el codificador automático de Zhang hace lo contrario, tomando los datos de entrada y haciéndolos de mayor dimensión. Esto les permitió combinar datos de diferentes animales y eliminar diferencias técnicas que no se debían a diferencias biológicas significativas.
En el artículo, utilizaron esta tecnología, abreviada como STACI, para identificar cómo las células y los tejidos, cuando se observan mediante varias técnicas espaciales y de imagen, revelan la progresión de la enfermedad de Alzheimer. Zhang dice que el modelo se puede utilizar para analizar cualquier cantidad de enfermedades.
Con tiempo y recursos ilimitados, su sueño es construir un modelo completamente completo de la vida humana. Desafortunadamente, tanto el tiempo como los recursos son limitados. Su ambición, sin embargo, no es la misma y dice que quiere aplicar sus habilidades para resolver «las preguntas más desafiantes para las que no tenemos las herramientas para responder».
Actualmente está trabajando en concluir un par de proyectos, uno centrado en estudiar la neurodegeneración mediante el análisis de imágenes de la corteza frontal y otro en predecir imágenes de proteínas a partir de secuencias de proteínas e imágenes de cromatina.
«Aún quedan muchas preguntas sin respuesta», afirma. «Quiero elegir preguntas biológicamente significativas que nos ayuden a comprender cosas que no sabíamos antes».
