Egy szokatlan karrierív műholdképelemzéstől a daganatos sejtek mesterséges intelligenca alapú vizsgálatáig.
Egy sejt százezernyi fehérjét tartalmaz, amiből a jelenlegi módszerek csak húszat tudnak azonosítani. Horváth Péter, a HUN-REN Szegedi Biológiai Kutatóközpont Biokémiai Intézetének igazgatója és csapata olyan mesterséges intelligencia (AI) alapú módszert fejlesztett ki, amellyel ez a szám nyolcezerre ugorhat. Tapasztalatait Oláh Andreának mondta el a radiocafén, a Creative survivorben.
A műholdképektől a rákos sejtekig
Horváth Péter pályája szokatlan utat járt be: informatikusként és matematikusként végzett, doktoriját műholdképek elemzéséből írta, majd a mesterséges intelligenciát a daganatos sejtek vizsgálatára kezdte alkalmazni. 2018-ban lett a szegedi Biokémiai Intézet igazgatója. Saját bevallása szerint a legjobban a kíváncsiság jellemzi. Ez néha nehézséget okoz a csapatának, mert gyorsan vált fókuszt, de hajtóerőként is szolgál a kutatásban.
Mi az a Deep Visual Proteomics?
2022-ben Horváth Péter csoportja publikált egy módszert, amellyel mesterséges intelligencia segítségével, az emberi szemnél milliószor gyorsabban és azonos vagy nagyobb precizitással ismerik fel a szövetmintákon a rendellenes sejteket. Ez a technológia azóta a világ körülbelül száz laboratóriumában honosodott meg, 2024 végén pedig az egyik vezető folyóirat az év módszerei közé választotta.
A megközelítés lényege: egy mikrolézeres robot kivágja a vizsgálni kívánt egyedi sejtet, a mesterséges intelligencia azonosítja és megjelöli azt, majd a kutatók elemzik a tartalmát – például DNS-töréseket vagy RNS-változásokat keresve. Matthias Mann, a Max Planck Intézet proteomikusa kereste meg őket azzal, hogy a módszert fehérjék vizsgálatára is ki lehetne terjeszteni. Ebből született a Deep Visual Proteomics nevű eljárás, amellyel néhány sejtből már meg tudják mérni, milyen fehérjék vannak jelen.
Húszról nyolcezerre
Egy tumorszövetben a patológus több millió sejtet vizsgál át. Egy sejtben körülbelül 100 ezer fehérje van, amelyből tízezernek ismerjük valamennyire a funkcióját. A jelenlegi módszerek ebből huszat tudnak azonosítani. Horváth Péter csapata most egy olyan AI-alapú megoldáson dolgozik, amellyel ez a szám nyolcezerre nőhet. Egyelőre szabadalmaztatás alatt áll, ezért részleteket még nem osztott meg – annyit elárult, hogy Európa legnagyobb szuperszámítógépén tanítják az AI-t. A csoport egyik fele sejteket annotál, a másik a világ egyik vezető fehérjekutató csoportjával közösen dolgozik azon, hogy minél kevesebb anyagból mérjék meg a fehérjéket.
Mit kér a kutatóvilág a döntéshozóktól?
Horváth Péter szerint a magyar kutatási rendszernek két dolgot kellene megvalósítania. Az egyik a kiszámítható, hosszú távú, nemzetközileg értékelt alapkutatási pályázati rendszer – részrehajlás nélkül, amelyet nem forgatnak meg négyévente, hanem finomhangolnak. A másik az innováció célzott támogatása: nem szétszórni a pénzt, hanem megtalálni, hogy Magyarország miben tud valóban erős lenni. Azokat a területeket kell megtámogatni, amelyek a nemzetgazdasági stratégiával is összefolynak. Ha ez megvalósul, Horváth Péter szerint öt év múlva Európa észreveszi Magyarországot, tíz év múlva európainak számítunk, húsz év múlva pedig a világ is odafigyel.
Ki kicsoda, mi micsoda?
- Horváth Péter: Informatikus és matematikus végzettségű AI-kutató, a HUN-REN Szegedi Biológiai Kutatóközpont (SZBK) Biokémiai Intézetének igazgatója, az Academia Europaea tagja.
- HUN-REN SZBK: A HUN-REN Szegedi Biológiai Kutatóközpont, Magyarország egyik legnagyobb és legrangosabb természettudományi kutatóintézete.
- Deep Visual Proteomics: Horváth Péter csoportja és Matthias Mann munkatársai által kidolgozott eljárás, amellyel egyedi sejtekből vagy néhány sejtből meg lehet határozni a bennük lévő fehérjéket, a korábbi módszereknél sokkal nagyobb lefedettséggel.
- Matthias Mann: Német biokémikus, a Max Planck Institute of Biochemistry proteomikai részlegének igazgatója, a világ egyik legtöbbet idézett kutatója, a fehérjetudományok meghatározó alakja.
- Proteomika: Az a tudományterület, amely a sejtek összfehérje-készletét (proteomját) vizsgálja – azt, hogy milyen fehérjék vannak jelen, milyen mennyiségben és milyen funkciót töltenek be.
