Mit Einzelzelltechniken ist es Forschern zwar gelungen, Krankheiten durch die Evaluierung von Zellen auf individueller Ebene besser zu verstehen, aber sie bieten keinen räumlichen Kontext innerhalb des Gewebes, das diese Zellen umgibt. Mit der Einführung der räumlichen Transkriptomik können Forscher nun alles nutzen – von relationalen Daten bis hin zu Bildgebungsdaten – um Genexpression und Zelldynamik besser zu verstehen.
Relationale Daten liefern einen Kontext dafür, wo Zellen in Relation zueinander angeordnet sind, und ermöglichen es, Bildgebungsdaten mit molekularen Daten zu überlagern. Die Lokalisierung von Zellen und deren Interaktion innerhalb ihrer Umgebung ist für die Forschung von entscheidender Bedeutung, insbesondere wenn es um seltene Zelltypen geht. Räumliche Omics bieten jedoch mehr Kontext als lokale Zellinteraktionen und zeigen, wie eine Krankheit innerhalb der Architektur eines Gewebes voranschreitet. Dadurch erhalten Wissenschaftler einen bisher unbekannten räumlichen Kontext für seltene Zelltypen und den Krankheitsverlauf.
Mit der beschleunigten Computing- und KI-Plattform von NVIDIA für räumliche Transkriptomik können Forscher und Entwickler:
- Neue Analysemethoden durch Beschleunigung von Engpässen und Erhöhung der Genauigkeit ermöglichen.
- NVIDIA-GPUs in der räumlichen Analyse zur Verkürzung der Analysezeit für die Verarbeitung großer Mengen an räumlichen Daten verwenden.
- Generative KI für eine hochpräzise Zellsegmentierung mit VISTA-2D, einem NVIDIA AI Foundation-Modell,
verwenden.