Aunque las técnicas monocelulares han ayudado a los investigadores a comprender las enfermedades mediante la evaluación de las células una por una, las células carecen de contexto espacial dentro del tejido que las rodea. Con la introducción de la transcriptómica espacial, los investigadores pueden usarlo todo, desde datos relacionales hasta datos de imágenes, para comprender mejor la expresión genética y la dinámica celular.
Los datos relacionales proporcionan contexto sobre dónde se ubican las células en relación unas con otras y hacen posible superponer los datos de imágenes con datos moleculares. La ubicación de las células y su forma de interactuar con el entorno es fundamental para la investigación, particularmente cuando se analizan tipos de células raras. Sin embargo, las ómicas espaciales ofrecen más contexto que las interacciones celulares locales, mostrando cómo progresa una enfermedad dentro de la arquitectura de un tejido. Como resultado, los científicos pueden obtener un contexto espacial previamente desconocido para los tipos de células raras y la progresión de la enfermedad.
Con la computación acelerada y la plataforma NVIDIA AI para transcriptómica espacial, investigadores y desarrolladores pueden:
- Habilitar nuevos métodos de análisis mediante la aceleración de cuellos de botella y el incremento de la precisión.
- Usar las GPU de NVIDIA en el análisis espacial para reducir el tiempo de análisis de procesado de grandes cantidades de datos espaciales.
- Usar la IA generativa para una segmentación celular de gran precisión con VISTA-2D, un modelo fundamental de NVIDIA AI.