This ‘multimodal’ analysis helps reveal relationships between different aspects of a cell and how they might impact disease development — ScienceDaily

フィラデルフィア小児病院 (CHOP) とニュージャージー工科大学 (NJIT) の研究者は、単一の細胞からのさまざまな情報を統合する新しいソフトウェアを開発しました。遺伝性疾患の正確な原因を特定するための手がかり。

調査結果は、 ネイチャー・コミュニケーションズ.

単一細胞シーケンスにより、研究者は細胞の特定の側面を調べて、細胞が微小環境とどのように相互作用するかを判断できます。 これは、細胞のごく一部にのみ影響を与える可能性のある突然変異の影響を判断するために使用できるため、がん研究に特に関連しています。 単一細胞レベルでは、研究者は細胞内の遺伝子発現、メッセンジャー RNA、タンパク質、さらにはオルガネラを以前よりもはるかに詳細かつ解像度で研究できます。

しかし、単一細胞の各特性は個別に研究されているため、それらの相互関係 (例えば、遺伝子変異がメッセンジャー RNA、タンパク質合成、またはエピジェネティクスにどのように直接影響するかなど) は、比較しても明らかではない可能性があります。 . 同じセルから生成されたデータ。

この統計的および計算上のジレンマに対処するために、研究者は、複数の生物学的プロセスにわたって細胞内で何が起こっているかを同時にプロファイリングし、細胞内の変化間の関係をより適切に特徴付ける自動化された単一細胞マルチモーダル シーケンス クラスタリング ソフトウェア ツールを開発しました。

「このツールを使用すると、単一の細胞を断片化された単位としてだけでなく、実体としてよりよく理解できます」と、CHOP の応用ゲノミクス センターの所長であり、研究の上級著者である Hakon Hakonarson 医学博士は述べています。 「これは重要な進歩であり、このすべての情報を統合して生物学的視点に入れることができます。これは、さまざまな疾患に関する情報を検討する際に特に重要です。」

単一セル マルチモーダル ディープ クラスタリング (scMDC) と呼ばれるこのソフトウェアは、機械学習を使用して、単一セルのさまざまな特性に関するデータを分析します。 研究者は広範なシミュレーションと実データ実験を実施し、scMDC が単一セルのマルチモーダル データ セットに対する既存の単一セルのシングルモーダルおよびマルチモーダル クラスタリング方法より優れていることを発見しました。 また、線形スケーラビリティも利用しています。つまり、scMDC に提供されるデータ ソースが多いほど、より良い結果が得られます。

この研究は、国立衛生研究所の助成金 R15HG012087 と助成金番号 UL1TR003017 の下でトランスレーショナル科学を進める国立センターによって支援されました。 コンピューティング リソースは、National Science Foundation Grant ACI-1548562 によってサポートされている割り当て CIE160021 および CIE17003 を通じて、Extreme Science and Engineering Discovery Environment (XSEDE) によって部分的に提供されました。

ストーリーソース:

提供資料 フィラデルフィア小児病院. 注: コンテンツは、スタイルと長さのために編集される場合があります。

.

Leave a Comment