El enfoque computacional permite el mapeo espacial de datos de una sola célula dentro de los tejidos.

El enfoque computacional permite el mapeo espacial de datos de una sola célula dentro de los tejidos.


21 de marzo de 2022

(Noticias de Nanowerk) Un nuevo enfoque computacional desarrollado por investigadores del MD Anderson Cancer Center de la Universidad de Texas combina con éxito datos de métodos paralelos de perfiles de expresión génica para crear mapas espaciales de un tejido determinado con resolución de una sola célula. Los mapas resultantes pueden proporcionar conocimientos biológicos únicos sobre el microambiente del cáncer y muchos otros tipos de tejidos.

El estudio fue publicado en biotecnología natural («Trazado espacial de transcriptomas unicelulares en tejidos») y se presentará en la próxima reunión anual de la Asociación Estadounidense para la Investigación del Cáncer (AACR) de 2022 (Resumen 2129).

La herramienta, llamada CellTrek, utiliza datos de la secuenciación de ARN de una sola célula (scRNA-seq) junto con los de los ensayos de transcriptómica espacial (ST), que miden la expresión génica espacial en muchos grupos pequeños de células, para identificar la ubicación de cada célula. tipos dentro de un tejido. Los investigadores presentaron los resultados del análisis de tejido renal y cerebral, así como muestras de cáncer de mama ductal carcincoma in situ (DCIS).

«La secuenciación de ARN de una sola célula proporciona una gran información sobre las células dentro de un tejido, pero en última instancia, desea saber dónde se distribuyen esas células, particularmente en muestras de tumores», dijo el autor principal Nicholas Navin, Ph.D., profesor de genética y bioinformática. & Biología Computacional. «Esta herramienta nos permite responder esa pregunta con un enfoque imparcial que mejora las técnicas de mapeo espacial actualmente disponibles».

La secuenciación de ARN de una sola célula es un método establecido para analizar la expresión génica de muchas células individuales de una muestra, pero no puede proporcionar información sobre la ubicación de las células dentro de un tejido. Por otro lado, los ensayos de ST pueden medir la expresión génica espacial mediante el análisis de muchos grupos pequeños de células en un tejido, pero no pueden proporcionar una resolución de una sola célula.

Los enfoques computacionales actuales, conocidos como técnicas de deconvolución, pueden identificar diferentes tipos de células presentes en los datos de ST, pero no pueden proporcionar información detallada a nivel de una sola célula, explicó Navin.

Por lo tanto, los coautores Runmin Wei, Ph.D., y Siyuan He de Navin Laboratory lideraron los esfuerzos para desarrollar CellTrek como una herramienta para combinar las ventajas únicas de los ensayos scRNA-seq y ST y generar mapas espaciales precisos de muestras de tejido para crear .

Usando datos de scRNA-seq y ST disponibles públicamente de tejido cerebral y renal, los investigadores demostraron que CellTrek logró la resolución espacial más precisa y detallada de los métodos evaluados. El enfoque de CellTrek también pudo discriminar diferencias sutiles de expresión génica dentro del mismo tipo de célula para proporcionar información sobre su heterogeneidad dentro de una muestra.

Los investigadores también trabajaron con Savitri Krishnamurthy, MD, profesor de patología, para aplicar CellTrek para estudiar el tejido del cáncer de mama DCIS. En un análisis de 6800 células individuales y 1500 regiones ST de una sola muestra de DCIS, el equipo descubrió que diferentes subconjuntos de células tumorales se desarrollaron en patrones únicos dentro de regiones específicas del tumor. El análisis de una segunda muestra de CDIS demostró la capacidad de CellTrek para reconstruir el microambiente espacial inmune al tumor dentro de un tejido tumoral.

«Aunque este enfoque no se limita a analizar el tejido tumoral, existen aplicaciones obvias para una mejor comprensión del cáncer», dijo Navin. «La patología realmente está impulsando el diagnóstico del cáncer, y con esta herramienta podemos mapear datos moleculares a datos patológicos para permitir una clasificación aún más profunda de los tumores y guiar mejor los enfoques de tratamiento».



Related post

Premios de socios globales de ladrillos de datos 2022

Premios de socios globales de ladrillos de datos 2022

Databricks tiene un ecosistema de socios de más de 600 socios en todo el mundo que son fundamentales para crear y…
El programa interactivo de los científicos informáticos ayuda a planificar el movimiento para entornos con obstáculos – ScienceDaily

El programa interactivo de los científicos informáticos ayuda a…

Al igual que nosotros, los robots no pueden ver a través de las paredes. A veces necesitan un poco de ayuda…
Toma lecciones en realidad virtual con Immerse, una aplicación de voz para Quest 2

Toma lecciones en realidad virtual con Immerse, una aplicación…

En el metaverso, imagínese llegando tarde a la escuela. Bucear es una plataforma educativa de metaverso desarrollada en colaboración con los…

Leave a Reply

Tu dirección de correo electrónico no será publicada.