Новый вычислительный инструмент CIBERSORTx позволяет проводить мощный молекулярный анализ биомедицинских образцов тканей
Исследователи из Медицинской школы Стэнфордского университета разработали вычислительный метод CIBERSORTx, который анализирует РНК отдельных клеток из образцов целой ткани или наборов данных. Метод решает ключевые недостатки дорогостоящего и трудно масштабируемого метода секвенирования РНК единичных клеток (single-cell RNA sequencing), который неприменим к большинству сохранённых образцов тканей.
Ведущий автор статьи, опубликованной 6 мая в Nature Biotechnology, — ассистент-профессор Аарон Ньюман, Ph.D. Старший автор — ассоциированный профессор Эш Ализаде, MD, Ph.D.
Определение типов и состояний клеток
CIBERSORTx — это эволюционное развитие предыдущего метода группы, CIBERSORT. Если CIBERSORT позволял определить пропорции типов клеток в смеси (аналогично определению фруктов в смузи), то CIBERSORTx идёт гораздо дальше.
Исследователи начинают с анализа РНК единичных клеток небольшого образца ткани. Это позволяет создать «штрихкод» — паттерн экспрессии РНК, который идентифицирует не только тип клетки, но и её подтип или функциональное состояние. Например, иммунные клетки, инфильтрирующие опухоль, имеют иной «штрихкод», чем те же клетки в крови.
«CIBERSORTx позволяет нам определить не просто количество яблок в смузи, а сколько из них — "Гренни Смит", сколько — "Ред Делишес", сколько ещё зелёных, а сколько повреждённых», — пояснил Эш Ализаде.
Анализ более 1000 целых опухолей с помощью CIBERSORTx показал, что:
- Раковые клетки отличаются от нормальных (ожидаемо).
- Иммунные клетки внутри опухоли ведут себя иначе, чем циркулирующие.
- Даже нормальные структурные клетки вокруг опухоли отличаются от таких же клеток в других частях органа.
- Иммунные клетки, инфильтрирующие один тип рака лёгкого, отличаются от тех же клеток в другом типе рака лёгкого.
Ключевое преимущество CIBERSORTx — возможность анализа образцов, фиксированных в формалине и залитых в парафин, что составляет подавляющее большинство диагностических опухолевых образцов, непригодных для прямого секвенирования РНК единичных клеток.
Прогнозирование ответа на терапию
Учёные протестировали диагностическую силу инструмента на меланоме. Существовала гипотеза, что высокий уровень экспрессии белков PD-1 и CTLA4 в Т-клетках, инфильтрирующих опухоль, коррелирует с эффективностью терапии ингибиторами контрольных точек (checkpoint inhibitors), но подтвердить её было сложно.
Обучив алгоритмы на данных единичных клеток нескольких опухолей меланомы, команда с помощью CIBERSORTx проанализировала общедоступные наборы данных общих опухолей и подтвердила гипотезу. Высокие уровни PD-1 и CTLA4 в определённых Т-клетках были связаны с более низкой смертностью пациентов, получавших терапию блокаторами PD-1.
Значение для науки и медицины
CIBERSORTx открывает доступ к анализу огромных архивов сохранённых тканей, что может ускорить открытие новых биомаркеров и мишеней для терапии.
«На идентификацию PD-1 и CTLA4 как важных белков ушло 30 лет, но такие маркеры просто "выпрыгивают" из данных, когда мы с помощью CIBERSORTx коррелируем экспрессию генов клеток в опухолях с результатами лечения», — отметил Ализаде.
Алгоритмы CIBERSORTx будут доступны исследователям по всему миру через онлайн-доступ к компьютерам в Стэнфорде.
