Новый метод повышает эффективность и точность секвенирования одноядерных РНК

        

В эпоху персонализированной медицины ученые используют новые генетические и геномные идеи, чтобы помочь им определить лучшее лечение для данного пациента. В случае рака первый шаг к этим методам лечения – это исследование того, как опухолевые клетки ведут себя, пытаясь выяснить, какие препараты лучше всего использовать для их атаки.

Исследователи затем используют ДНК- и РНК-секвенирование, чтобы посмотреть на популяции клеток, исследуя, какие гены экспрессируются в образце раковой ткани. Однако традиционные методы секвенирования могут скрыть тот факт, что не все опухолевые клетки обязательно ведут себя одинаково. Не признавая этого, это означает, что если вы нацеливаете опухоль на определенный тип лекарственного средства, некоторые клетки могут быть достаточно разными, чтобы выжить и процветать.

В большой прогресс для геномики теперь можно посмотреть, что делает одна отдельная клетка в любой момент времени с помощью метода, называемого секвенированием одной клетки (scRNA-seq). Этот метод рассматривает количество мессианных РНК (мРНК) в клетке и сравнивает их с другими клетками, чтобы искать различия в экспрессии генов.

Однако какая информация, которую вы найдете, может зависеть от того, как ваш эксперимент и как анализируются данные. Лана Гармир, доктор философии, доцент кафедры вычислительной медицины и биоинформатики в Мичиганской медицине, и ее команда изучает способы устранения некоторых из предрассудков, которые могут затруднить интерпретацию данных scRNA-seq

«Многие шумы в этом типе последовательности происходят из-за того, что вам нужно измерять образцы в крайне низких количествах и в разных партиях», – объясняет она. Например, образец ткани, который исследует исследователь, может не подходить на одну пластину, часть оборудования, используемого для размещения образцов клеток, и поэтому ее необходимо разделить на две пластины. Различия, которые возникают из-за этого разделения, называются пакетными эффектами. Исследователи из геномики должны исправлять эти пакетные эффекты, но этот процесс может вызвать головоломку: как вы узнаете, является ли разница партией или истинной разницей между ячейками?

Новое использование данных

Биоинформатика – это термин для сбора и анализа сложных биологических данных с использованием компьютерных программ. Это относительно новое поле, порожденное способностью собирать огромное количество биологических данных, таких как ДНК и последовательности белка.

Исследователи полагаются на методы биоинформатики, чтобы определить, какие гены экспрессируются в отдельных клетках. Но им приходилось работать над шумом, который вводился через различные протоколы исследований и пакетные эффекты. Гармир, который недавно присоединился к U-M из Гавайского университета и является новым директором факультета Университета Мичиганской медицинской школы Bioinformatics Core, обнаружил более эффективный способ выявления различий между клетками с использованием того же набора данных, который был получен во время экспериментов по секвенированию. Вместо того, чтобы полагаться на экспрессию генов, она обнаружила, что, глядя на то, что известно как единственные нуклеотидные варианты (SNV), может устранить некоторые из этой неопределенности. «С SNV вы имеете дело с числами, которые являются двоичными, 0 и 1. Либо есть мутация, либо нет».

Напомним, что гены состоят из нуклеотидов, представленных буквами A, T, G и C, которые составляют код, который транслируется в белок. Метод Гармира ищет различия в одиночных нуклеотидах, зная, что А может быть заменен только на Т и а С на С. Эта новая работа, описанная в Nature Communications разработала новый набор процедур для обработки scRNA-seq и получить эту информацию о вариантах. Кроме того, используя компьютерную программу под названием SSrGE, они могут связывать эту информацию варианта с более традиционной информацией о экспрессии генов.

«Это дает нам информацию о различных субпопуляциях опухолевых клеток и становится своего рода отпечатком пальца, который может быть отмечен для идентификации различий между клетками, – говорит Гармир.

Что это значит

В конечном счете, производители лекарств и клиницисты используют эти цели для руководства фармацевтическими процедурами. «Когда вы хотите атаковать проблему, вы идете к ней, нападая на фундаментальные особенности этой проблемы: мутации. Клиницисты могут позже использовать эту информацию для руководства своей терапевтикой». Гармир надеется вывести биоинформатики из лаборатории, помогая исследователям, которые собирают большие объемы данных для их использования и разрабатывают последующие клинические применения. «Мы делим тело и специализируемся, но в конце дня вам нужно смотреть целостно и спрашивать, что я делаю, и кто это помогает? Мы разрабатываем вычислительные инструменты, чтобы объединить исследователей биоинформатики и скамьи-ученых и клиницистов вместе подключить точки и в конечном итоге внести изменения.

Источник:

http://www.med.umich.edu/

      

Source link