Используя интегративный системный подход биологии, молекулярной биологии и биоинформатики, лаборатория проясняет взаимодействие и вклад генетики, miR и микробиома в отторжение трансплантата и заболевания почек, легких и сердечно-сосудистые заболевания. Мы используем междисциплинарный подход для анализа первичных образцов человека в болезнях и здоровье, чтобы понять уникальные сигнатуры, связанные с различными состояниями человека, чтобы мы могли лучше предотвращать и лечить заболевания.
Саркоидоз — это воспалительное заболевание, которое поражает несколько органов, в частности, легкие и лимфатические узлы, и непропорционально часто поражает афроамериканцев. Легочный фиброз — причина смерти номер один среди пациентов с саркоидозом. Примерно у 30 процентов пациентов развивается прогрессирующая, изнурительная форма саркоидоза, но механизмы, ответственные за ухудшение или устойчивость к заболеванию, остаются плохо изученными. В настоящее время мы изучаем связь между воздействием микробов и иммунными реакциями при саркоидозе и то, как это связано с диагностикой и прогнозом.
Лаборатория Finn-Perkins объединяет передовые подходы искусственного интеллекта (ИИ) с биомедицинскими исследованиями для улучшения нашего понимания сложных заболеваний, в частности саркоидоза и иммуноопосредованных расстройств. В основе нашей вычислительной работы лежит scGPT (single-cell Generative Pretrained Transformer), современная модель ИИ, которую мы применяем и настраиваем для анализа данных секвенирования РНК отдельных клеток. Наша реализация scGPT достигает более 85% точности в прогнозировании тяжести заболевания и оказалась особенно эффективной в выявлении новых длинных некодирующих РНК-взаимодействий, которые влияют на иммунные ответы.
Наша лаборатория использует высокопроизводительную вычислительную инфраструктуру, включая два графических процессора NVIDIA RTX A6000 и A100 и рабочие станции с оперативной памятью 128 ГБ, а также доступ к вычислительному кластеру Национального центра геномных ресурсов (NCGR) для разработки сложных многозадачных моделей обучения. Эти модели интегрируют разнообразные клинические данные с молекулярными профилями, включая демографические данные пациентов, ответы на лечение и маркеры прогрессирования заболевания. С помощью этих подходов на основе ИИ мы стремимся открывать новые биомаркеры, понимать механизмы заболеваний и разрабатывать персонализированные стратегии лечения, которые устраняют различия в здравоохранении. Наш вычислительный конвейер включает в себя такие известные инструменты, как Seurat и Cell Ranger для предварительной обработки данных, в сочетании с настраиваемыми алгоритмами машинного обучения для последующего анализа и прогнозирования. Этот комплексный подход позволяет нам обрабатывать и анализировать данные более чем из 50,000 XNUMX клеток на пациента, обеспечивая беспрецедентное понимание механизмов заболеваний на уровне отдельных клеток.
Трансплантация органов — это последняя линия лечения органной недостаточности. Трансплантация органов началась в 1960-х годах, но была ограничена пересадкой между близнецами из-за иммунологического отторжения. Появление иммуносупрессии привело к значительному увеличению времени выживания. В частности, некоторые органы, такие как почки, имеют значительно лучшее время выживания по сравнению с другими органами, такими как легкие. Наши текущие исследования оценивают роль микробиома в отношении результатов трансплантации.
Директор Центра персонализированного здоровья, содиректор программы получения степени доктора медицины/доктора философии
Декан медицинского факультета Университета Нью-Мексико
