改进单细胞数据解码的新开源方法

通过以独特的方式指导数据分析，Spectra 可以为细胞之间复杂的相互作用提供新的见解，例如癌细胞和免疫细胞之间的相互作用，这对于改善免疫治疗至关重要。

该团队的方法和研究结果最近发表在《自然生物技术》上。

研究人员指出，Spectra 可以消除技术“噪音”，识别功能相关的基因表达程序，包括那些新颖的或针对特定生物背景高度特异性的程序。

MSK 斯隆团队在该研究附带的一份研究简报中写道，该算法非常适合研究来自大型患者群体的数据，并找出有临床意义的患者特征，并补充说 Spectra 非常适合在新兴领域识别生物标志物和药物靶标。免疫肿瘤学。

此外，MSK 团队还向世界各地的研究人员免费提供 Spectra。

“我接受过计算机科学家的培训，”该研究的资深作者、MSK 斯隆凯特琳研究所计算和系统生物学项目主席 Dana Pe'er 博士说道。 “我构建的每一个工具，我都努力使其变得强大，以便它可以在多种情况下使用，而不仅仅是一种。我还尝试让它们尽可能易于使用。”

“我很高兴发现新的生物学，”她继续说道。 “我同样高兴，也许更高兴能够构建一个基础工具，可供更广泛的社区使用来做出许多生物学发现。”

Pe'er 博士补充道，来自多个机构的团队已经与 MSK 斯隆的研究人员一起使用 Spectra 研究多种疾病。

单细胞革命

过去十年，“单细胞革命”改变了人类对健康和疾病的认识。单细胞技术使科学家能够研究组织样本或一组样本（例如肿瘤）中的单个细胞，并且不仅可以看到存在的各种细胞类型（例如癌细胞与各种类型的免疫细胞）还包括哪些基因在每个细胞中活跃，为细胞状态和细胞相互作用提供了新的线索。该技术促进了人们对细胞如何适应和应对不断变化的健康和疾病条件（包括癌症治疗耐药性的发展）的新认识。

问题在于，单细胞方法生成的数据量令人难以置信，难以筛选和正确解释。 Pe'er 博士解释说，当试图研究基因程序时尤其如此，这些基因协同工作以完成特定任务，并且在组织中的多种细胞类型中活跃。

“这对于研究癌细胞和免疫细胞之间的相互作用尤其重要，其中涉及高度重叠的基因程序，”她说。 “这会导致一些严重的统计问题，从而导致令人难以置信的误导性结果。”

Pe'er 博士组建的团队由共同第一作者 Russell Kunes（一位受过统计学训练的博士生）和 Thomas Walle 博士（一位具有免疫肿瘤学专业知识的医师科学家）领导，不仅开发了改进的指导方法数据分析，但他们还创建了一个用户友好的界面，以方便其他科学家采用。

广告

资源 Memorial Sloan Kettering Cancer Center. "New open-source method to improve decoding of single-cell data." ScienceDaily. ScienceDaily, 5 October 2023. <www.sciencedaily.com/releases/2023/10/231005110738.htm>.