Neue Open-Source-Methode zur Verbesserung der Dekodierung von Einzelzelldaten

Indem Spectra die Datenanalyse auf einzigartige Weise steuert, kann es neue Einblicke in das komplexe Zusammenspiel zwischen Zellen bieten, beispielsweise in die Wechselwirkungen zwischen Krebszellen und Immunzellen, die für die Verbesserung von Immuntherapiebehandlungen von entscheidender Bedeutung sind.

Der Ansatz und die Ergebnisse des Teams wurden kürzlich in Nature Biotechnology veröffentlicht.

Die Forscher weisen darauf hin, dass Spektren technisches „Rauschen“ durchdringen können, um funktionell relevante Genexpressionsprogramme zu identifizieren, einschließlich solcher, die neu oder für einen bestimmten biologischen Kontext hochspezifisch sind.

Der Algorithmus sei gut geeignet, um Daten aus großen Patientenkohorten zu untersuchen und klinisch bedeutsame Patientenmerkmale herauszufinden, schreibt das MSK-Team in einem Forschungsbriefing, das die Studie begleitet, und fügt hinzu, dass Spectra sich ideal für die Identifizierung von Biomarkern und Wirkstoffzielen im aufstrebenden Bereich von eignet Immunonkologie.

Darüber hinaus hat das MSK-Team Spectra Forschern auf der ganzen Welt kostenlos zur Verfügung gestellt.

„Ich bin als Informatikerin ausgebildet“, sagt die leitende Autorin der Studie, Dana Pe'er, PhD, die das Computational and Systems Biology Program am Sloan Kettering Institute der MSK leitet. „Ich bemühe mich, jedes einzelne Werkzeug, das ich baue, robust zu machen, damit es in vielen Kontexten verwendet werden kann, nicht nur in einem. Ich versuche auch, sie so zugänglich wie möglich zu machen.“

„Ich freue mich, neue Biologie zu entdecken“, fährt sie fort. „Und ich bin genauso glücklich, vielleicht sogar noch glücklicher, ein grundlegendes Werkzeug zu entwickeln, das von der breiteren Gemeinschaft genutzt werden kann, um viele biologische Entdeckungen zu machen.“

Zusammen mit Forschern am MSK nutzen Teams mehrerer Institutionen Spectra bereits, um eine Vielzahl von Krankheiten zu untersuchen, fügt Dr. Pe'er hinzu.

Die Single-Cell-Revolution

Im letzten Jahrzehnt hat die „Einzellrevolution“ das menschliche Verständnis von Gesundheit und Krankheit verändert. Einzelzelltechnologien ermöglichen es Wissenschaftlern, die einzelnen Zellen in einer Gewebeprobe oder einer Reihe von Proben, beispielsweise einem Tumor, zu untersuchen und nicht nur die Vielfalt der vorhandenen Zelltypen zu erkennen (z. B. Krebszellen im Vergleich zu verschiedenen Arten von Immunzellen). sondern auch, welche Gene in jeder Zelle aktiv sind, was ein neues Licht auf Zellzustände und Zellinteraktionen wirft. Die Technologie hat neue Erkenntnisse darüber gefördert, wie Zellen sich an veränderte Gesundheits- und Krankheitsbedingungen anpassen und darauf reagieren, einschließlich der Entwicklung von Resistenzen gegen Krebsbehandlungen.

Das Problem besteht darin, dass es schwierig ist, die unglaubliche Menge an Daten, die durch Einzelzellenmethoden generiert werden, zu durchsuchen und richtig zu interpretieren. Dies gilt insbesondere dann, wenn versucht wird, Genprogramme zu untersuchen, also Gene, die zusammenarbeiten, um eine bestimmte Aufgabe zu erfüllen, und die über mehrere Zelltypen in einem Gewebe hinweg aktiv sind, erklärt Dr. Pe'er.

„Dies ist besonders wichtig für die Untersuchung der Interaktionen zwischen Krebszellen und Immunzellen, bei denen es um stark überlappende Genprogramme geht“, sagt sie. „Dies verursacht einige schwerwiegende statistische Probleme, die zu unglaublich irreführenden Ergebnissen führen können.“

Das von Dr. Pe'er zusammengestellte Team unter der Leitung der Co-Erstautoren Russell Kunes, einem in Statistik ausgebildeten Doktoranden, und Dr. Thomas Walle, einem Arzt und Wissenschaftler mit Fachkenntnissen in der Immunonkologie, entwickelte nicht nur die verbesserte Methode zur Führung die Datenanalyse, aber sie schufen auch eine benutzerfreundliche Schnittstelle, um die Übernahme durch andere Wissenschaftler zu erleichtern.

Werbung