Teadlased töötavad välja parem meetod geeniekspressiooni võrdlemiseks üksikutes rakkudes

Секреты миллионера Андрея Ховратова на "8 канале" (Juuli 2019).

Anonim

Uute põlvkondade järjestuse suurendamiseks tehtud jõupingutused, et võrrelda geeniekspressiooni üksikutes rakkudes, vihjeid vähi päritolu, progressiooni või retsidiivi kohta aitasid. St. Jude Laste teadusuuringute haigla teadlased on välja töötanud algoritmi, mis pakub täpsemat ja tundlikumat meetodit individuaalsete rakkude geeniekspressiooni erinevuste tuvastamiseks.

Algoritmi nimetatakse negatiivseks binomiaalseks mudeliks, millel on sõltumatud dispersioonid või NBID. St. Jude pakub kogu maailmas teadlastele tasuta NBID-i. Arvutustehnika bioloog ja vastav autor St. Jude Ph.D. ja tema kolleegid Xiang Chen töötasid välja NBID, et paremini ära kasutada ühekiraalse RNA järjestust, et jälgida erinevusi geeni ekspressioonis üksikutes rakkudes. Nende töö ilmus hiljuti internetis ajakirjas Genome Biology.

Viimase kümne aasta jooksul on ilmnenud ühekiraalse RNA järjestus ja sai populaarseks vähktõve uurimise ning immuunsüsteemi ja teiste organite arengu. Geeniekspressiooni võrdlemisel erinevates rakkudes püüavad teadlased paremini mõista vähktõve geneetikat. Teadlased kasutavad seda tehnoloogiat, et leida tuumorirakkude subpopulatsioonid, mis on kemoteraapiast pärinevad või esindavad haruldasi alatüüpe. Teave võib samuti näidata vastavaid markergeene, mis on defineeritud kui geenid, millel on erinevad ekspressioonitasemed populatsioonide vahel. Selline teave aitaks jõupingutusi täppisravimite väljatöötamisel ja tundlikemate diagnostiliste testide läbiviimisel.

"Praegu kasutatakse arvukates uuringutes ühekiraalsete RNA järjestustehnikate kasutamist, kuid statistilisi meetodeid andmekoguse iseloomustamiseks, " ütles Chen, abivahendaja Arvutiteadusliku Bioloogia osakonnast St Jude. "Me lõime NBID-i, mis on spetsiaalselt välja töötatud ühekihiliste RNA järjestuste andmete analüüsimiseks. Me näitasime, et NBID pakub täpsemat ja tundlikumat diferentsiaalse geeniekspressiooni analüüsi võrreldes teiste tarkvarapakettidega, mis on välja töötatud ühekihiliste RNA järjestuste andmete analüüsimiseks.

"Usume, et NBID osutub kasulikuks ka biomarkerite tuvastamisel ka teiste põhjalike järjestuste andmete hindamiseks."

Väljakutsed

Inimese genoom sisaldab 20 000 kuni 25 000 geeni, millel on juhised spetsiifiliste valkude valmistamiseks, mis teevad enamiku rakkude tööd. Protsess nõuab DNA-d, mida kopeeritakse messenger-RNA-ga, kust see translatsioon spetsiifiliseks valguks.

Ühe-rakkude RNA järjestus nõuab teadlasi, et nad võtaksid messenger RNA üksiku rakkudena, kasutaksid messenger-RNA-d, et koguda DNA komplementaarset ahelat, mida seejärel kopeeritakse (amplifitseeritakse) ja analüüsitakse.

Geeniekspressioon varieerub suuresti ja kõikub rakkudes. Eriti keeruline on hõivata messenger RNA madala kuni mõõduka ekspressiooniga geenide puhul üksikutes rakkudes. Teiseks väljakutseks on andmete rangus või vähene signaal ja kõrge müra, mis nõuab huvipakkuva teabe, antud juhul RNA-i tuvastamist müra meres. Näidete hulka kuuluvad "väljalangemise" sündmused, mille puhul geenid, mida väljendatakse rakkude alamhulga suhteliselt kõrgel tasemel, ei leidu teistes rakkudes.

Chen ja tema kolleegid kasutasid molekulaarseid "vöötkoode", et jälgida geeniekspressiooni, kodeerides ja seejärel ühildades messenger-RNA-sid protsessi nimega unikaalne molekulaarse identifikaatori (UMI) loendamine.

"UMI eelised arvestavad RNA kvantifitseerimisel mõne teise meetodiga, loetud arvud on hästi dokumenteeritud. Statistiline erinevus nende kahe skeemi vahel oli alahinnatud, " ütles Chen. "Üksiku raku RNA järjestamise andmete ulatusliku hindamise käigus selgus, et need kaks lähenemist tuleks modelleerida erinevalt ja UMI-loendit saaks ligikaudselt võrrelda negatiivse binomia mudeli abil."

NBID lubas geenispetsiifilisi ja grupispetsiifilisi negatiivseid binomiaalseid mudeleid, mille tulemuseks on paremad tulemused. Võrdluskatsetes näitas NBID, et erinevate rakkude rühmade geeniekspressiooni erinevused on tundlikud ja täpsemad. Näiteks aitasid NBID teadlastel identifitseerida markergeene, mida saab kasutada rabdomüosarkoomi rakkude subpopulatsioonide eraldamiseks erinevate geeniekspressiooni mudelitega, mis näitasid potentsiaalselt uudset tahke tuumori progressiooni mehhanismi.

menu
menu