Analizzare dieci milioni di cellule in meno di due ore, usando circa un terzo della memoria rispetto ai migliori strumenti oggi disponibili e raggiungendo una velocità fino a quaranta volte superiore sui dataset più grandi. Sono i numeri di DEVIL – Differential Expression with Variational Inference Learning –, il nuovo strumento di calcolo sviluppato da ricercatori dell’Università degli Studi di Trieste, di Area Science Park, della SISSA e dello Human Technopole, con il sostegno di Fondazione AIRC.
Il risultato è rilevante perché interviene su uno dei passaggi più critici della ricerca biomedica contemporanea: la capacità di leggere e interpretare enormi quantità di dati generati dalle tecnologie single-cell, che permettono di misurare l’attività genica in milioni di cellule provenienti da decine o centinaia di pazienti. Una possibilità decisiva per studiare tumori, malattie degenerative e nuovi percorsi di medicina personalizzata, ma che porta con sé un problema molto concreto: raccogliere dati non basta, se poi non si dispone di strumenti in grado di analizzarli in modo rapido, affidabile e statisticamente corretto.
“La prima sfida è computazionale: analizzare milioni di cellule richiede una potenza di calcolo enorme. I metodi tradizionali sono troppo lenti e consumano troppa memoria per gestire questi volumi: un collo di bottiglia che rischia di vanificare il vantaggio delle nuove tecnologie di raccolta dati. La seconda sfida è statistica. Le cellule prelevate dallo stesso paziente si somigliano tra loro più di quanto si somiglino le cellule di pazienti diversi perché condividono la stessa biologia individuale, lo stesso ambiente e le stesse caratteristiche individuali. Ignorare questo fatto – come fanno molti degli strumenti attualmente in uso – può portare a conclusioni statistiche distorte, con il rischio di identificare come “significativi” cambiamenti cellulari che in realtà non lo sono, o viceversa di perderne di reali”, è stato spiegato nel comunicato stampa rilasciato.
Devil nasce per rispondere proprio a questo doppio limite, computazionale e statistico. Da un lato sfrutta architetture di calcolo parallelo, tipiche dell’intelligenza artificiale, per accelerare l’analisi e ridurre l’uso di memoria; dall’altro utilizza un approccio bayesiano capace di tenere conto della struttura reale dei dati, distinguendo le differenze tra pazienti dalle variazioni effettive nell’attività delle cellule. Un passaggio essenziale per evitare interpretazioni distorte e rendere più solide le analisi genomiche su larga scala.
“Questo lavoro non sarebbe stato possibile senza Orfeo, il data center di Area Science Park, recentemente potenziato grazie ai fondi del Pnrr – sottolinea Stefano Cozzini, Direttore Istituto Ricerca e Innovazione Tecnologica di Area –. La disponibilità di GPU di ultima generazione, caratterizzate da prestazioni di calcolo estremamente elevate, insieme a un’attenta ottimizzazione degli algoritmi su questa architettura, sviluppata dal nostro team, permette ora di usare Devil per affrontare e risolvere problemi su una scala significativamente più ampia. La soddisfazione è grande: non è frequente poter contare su una squadra di così elevata competenza, capace di valorizzare al meglio le risorse acquisite”.
“La differential expression, cioè l’analisi statistica che identifica quali geni sono significativamente più o meno attivi tra due o più condizioni biologiche diverse – spiega Giulio Caravagna dell’Università di Trieste – è una tecnologia matura. Tuttavia, il passaggio al single-cell ha introdotto problemi statistici e computazionali che rendono complessa l’analisi integrata di grandi coorti di pazienti. Il nostro lavoro nasce proprio per risolvere questo collo di bottiglia, combinando innovazione metodologica e calcolo ad alte prestazioni per scalare alla possibilità di analizzare milioni di cellule da centinaia di pazienti”.
“Nello sviluppo di DEVIL, la sinergia di strumenti statistici classici e bayesiani rappresenta un fiore all’occhiello nel panorama della letteratura oncologica di riferimento – sottolinea Leonardo Egidi dell’Università di Trieste – e rende Devil un protocollo computazionale efficiente e dalla forte caratterizzazione metodologica. Sviluppi futuri potrebbero coinvolgere modelli spazio-temporali per più pazienti e apportare ulteriori approssimazioni di calcolo basate su alcune proprietà teoriche attualmente oggetto di studio: un bel mix di competenze statistiche, informatiche e biologiche”.
Devil
Devil è stato testato su due casi biologici concreti. Nel primo, dedicato all’identificazione di cellule del sistema immunitario, lo strumento si è dimostrato più preciso e specifico nel riconoscere le funzioni biologiche rilevanti. Nel secondo, relativo all’invecchiamento del tessuto muscolare umano, ha individuato in modo più stabile e biologicamente fondato i cambiamenti trascrizionali legati all’età, riducendo il rumore e mettendo in evidenza i processi chiave per le analisi successive.
Devil è stato rilasciato come software libero e gratuito, a disposizione di laboratori e ospedali di tutto il mondo, aprendo la strada a una nuova generazione di analisi genomiche su larga scala per lo studio dei tumori, delle malattie degenerative e per lo sviluppo della medicina personalizzata.
areasciencepark.it