Новый инструмент автоматизирует идентификацию клеток в сложных наборах данных

Анализ данных секвенирования РНК единичных клеток (scRNA-seq) важен для понимания сложных биологических процессов и развития болезней, но идентификация отдельных типов клеток в этих обширных наборах данных была серьёзным узким местом.

Международная группа исследователей под руководством Университета Осаки разработала новый вычислительный инструмент scODIN (Optimized Detection and Inference of Names in scRNA-seq data) для автоматизации и упрощения этого сложного процесса, прокладывая путь к более быстрым открытиям с высокоточным классифицированием в биомедицине. Исследование опубликовано в The Journal of Immunology.

scODIN решает задачу идентификации типа клеток с помощью многоуровневой системы, позволяющей пользователям определять конкретные подмножества клеток с разной степенью детализации. Инструмент сначала автоматически идентифицирует основные кластеры клеток, например, T-клетки, B-клетки и моноциты. Затем исследователи могут указать более детальные подмножества, такие как регуляторные T-клетки или T-хелперы, внутри этих широких категорий.

Этот гибкий подход учитывает различный уровень разрешения в зависимости от исследовательского вопроса. Важно, что scODIN распознаёт клетки с промежуточными фенотипами или переходными состояниями, присваивая им «двойные метки», что отражает сложность, часто упускаемую традиционными методами. Кроме того, он использует алгоритм k-ближайших соседей для восстановления идентичности клеток, пострадавших от событий «дропаута» — распространённой проблемы в данных scRNA-seq, когда некоторые гены не обнаруживаются.

Автоматизация и упрощённый подход, предлагаемый scODIN, обещают ускорить биомедицинские исследования. Освобождая исследователей от трудоёмкого процесса ручной аннотации, инструмент позволяет им сосредоточиться на интерпретации биологического смысла данных и эффективнее искать новые терапевтические пути. Это повышение эффективности может привести к более быстрым открытиям, особенно в таких областях, как иммунология и онкология, где понимание клеточной гетерогенности критически важно для разработки персонализированных методов лечения.

«scODIN даёт исследователям возможность легко ориентироваться и анализировать сложные наборы данных scRNA-seq, — говорит доктор Джеймс Винг, соавтор исследования. — Его автоматизированный и гибкий подход не только экономит время, но и раскрывает сложные детали о клеточных популяциях, открывая новые пути для понимания механизмов заболеваний и разработки эффективных методов лечения».