Nuevo método de código abierto para mejorar la decodificación de datos unicelulares

Al guiar el análisis de datos de una manera única, Spectra puede ofrecer nuevos conocimientos sobre la compleja interacción entre las células, como las interacciones entre las células cancerosas y las células inmunes, que son fundamentales para mejorar los tratamientos de inmunoterapia.

El enfoque y los hallazgos del equipo se publicaron recientemente en Nature Biotechnology.

Los espectros, señalan los investigadores, pueden eliminar el "ruido" técnico para identificar programas de expresión genética funcionalmente relevantes, incluidos aquellos que son novedosos o altamente específicos para un contexto biológico particular.

El algoritmo es muy adecuado para estudiar datos de grandes cohortes de pacientes y para descubrir características clínicamente significativas de los pacientes, escribe el equipo de MSK en un informe de investigación que acompaña al estudio, y agrega que Spectra es ideal para identificar biomarcadores y objetivos farmacológicos en el floreciente campo de inmunooncología.

Además, el equipo de MSK ha puesto Spectra a disposición de investigadores de todo el mundo de forma gratuita.

"Estoy capacitado como científico informático", dice la autora principal del estudio, Dana Pe'er, PhD, quien preside el Programa de Biología Computacional y de Sistemas en el Instituto Sloan Kettering de MSK. "Me esfuerzo por hacer cada herramienta que construyo robusta para que pueda usarse en muchos contextos, no solo en uno. También trato de hacerlas lo más accesibles posible".

"Estoy feliz de descubrir nueva biología", continúa. "Y estoy igual de feliz, quizás más feliz, de construir una herramienta fundamental que pueda ser utilizada por la comunidad en general para realizar muchos descubrimientos biológicos".

Junto con investigadores de MSK, equipos de varias instituciones ya están utilizando Spectra para estudiar una variedad de enfermedades, añade el Dr. Pe'er.

La revolución unicelular

Durante la última década, la "revolución unicelular" ha transformado la comprensión humana de la salud y la enfermedad. Las tecnologías unicelulares permiten a los científicos estudiar las células individuales en una muestra de tejido o en un conjunto de muestras, un tumor, por ejemplo, y ver no solo la variedad de tipos de células que están presentes (como células cancerosas versus varios tipos de células inmunes) pero también qué genes están activos en cada célula, lo que arroja nueva luz sobre los estados celulares y las interacciones celulares. La tecnología ha fomentado nuevos conocimientos sobre cómo las células se adaptan y responden a las condiciones cambiantes de la salud y la enfermedad, incluido el desarrollo de resistencia a los tratamientos contra el cáncer.

El problema es que la alucinante cantidad de datos generados por métodos unicelulares es difícil de analizar e interpretar correctamente. Esto es particularmente cierto cuando se trata de observar programas genéticos, genes que trabajan juntos para realizar una tarea particular, que están activos en múltiples tipos de células en un tejido, explica el Dr. Pe'er.

"Esto es especialmente importante para estudiar las interacciones entre las células cancerosas y las células inmunitarias, que implican programas genéticos muy superpuestos", dice. "Esto causa algunos problemas estadísticos graves que pueden conducir a resultados increíblemente engañosos".

El equipo que reunió el Dr. Pe'er, dirigido por los coautores Russell Kunes, un estudiante de doctorado capacitado en estadística, y Thomas Walle, MD, un médico científico con experiencia en inmunooncología, no solo desarrolló el método mejorado para guiar el análisis de datos, pero también crearon una interfaz fácil de usar para facilitar su adopción por parte de otros científicos.

anuncio