Геномная регуляторная карта рыбки данио-рерио

Рыбка данио-рерио и человек выглядят очень по-разному, но около 70% их генов схожи с человеческими, включая многие, связанные с заболеваниями. Это делает её популярным модельным организмом. Большинство генов, участвующих в биологических процессах, таких как эмбриональное развитие, уже идентифицировано.

Однако ситуация иная для регуляторных последовательностей в ДНК, которые управляют активностью генов. Профессор Уве Олер из Центра молекулярной медицины им. Макса Дельбрюка сравнивает их с выключателями, которые активируют ген в нужное время и в нужном месте. Конкретные детали об их наличии, функции и структуре часто отсутствуют.

В статье в Cell Genomics Олер, руководитель исследования доктор Скотт Аллен Лакади и их коллеги представляют всеобъемлющую геномную регуляторную карту 24-часового эмбриона данио-рерио. Первые авторы доктор Элисон МакГарви и доктор Дубравка Вучичевич использовали технологии одноклеточного анализа для изучения генома примерно 23 000 ядер из всего организма. Самообучающиеся алгоритмы проанализировали данные, чтобы определить, какие "выключатели" активны в каком типе клеток.

"Выключатель, который включает ген в клетках печени, отличается от того, который отвечает за ген в клетках мозга", — говорит Олер. Эти регуляторные сегменты контролируют транскрипцию генов в mRNA для последующего синтеза белков.

Сборка пазла регуляторной карты

В типичном геноме позвоночных существуют миллионы таких "выключателей", и от 50 000 до 100 000 активны в каждой клетке. Эксперимент команды позволяет идентифицировать только активные "выключатели" на основе открытой структуры хромосом. "В среднем мы можем идентифицировать около пяти-десяти тысяч "выключателей" в одной клетке — возможно, 5–10% от общего числа на клетку", — объясняет Лакади. Чтобы получить полную картину для типа клеток, исследователям пришлось комбинировать данные тысяч отдельных клеток.

Для этого требуются компьютерные программы, сортирующие клетки по типу ткани (мозг, мышцы и т.д.). Это сложная задача, так как данные каждой клетки — как кусочек пазла. "Но некоторые регуляторные "выключатели", обнаруженные в одной клетке, перекрываются с теми, что мы находим в другой", — говорит Лакади. Эти общие черты служат подсказками для алгоритмов, чтобы сгруппировать клетки по типам.

Алгоритмы машинного обучения, разработанные под руководством доктора Вольфганга Коппа, учатся самостоятельно и постоянно совершенствуются. Трудно точно сказать, какая часть всех "выключателей" данио-рерио попала на карту. "Возможно, мы в районе 80% для мышечной и мозговой ткани, где охарактеризовано больше всего клеток, но для других типов клеток этот показатель значительно ниже", — отмечает Лакади.

Смещённые данные — не проблема

В отличие от предыдущих методов, новые алгоритмы могут анализировать сырые экспериментальные данные без предварительной подготовки. Это особенно важно, если данные собраны на разном оборудовании или в разных лабораториях и, как правило, имеют систематическое смещение (bias).

Алгоритмы обучены находить в данных признаки, выдающие их источник, и игнорировать их. Предполагается, что оставшаяся информация биологически релевантна. Копп, Олер и их коллега доктор Алтуна Акалин недавно описали эти методы в журнале Nature Machine Intelligence.

"Теперь мы хотим использовать алгоритмы, чтобы выяснить, какие регуляторные последовательности ДНК связаны с генетическими заболеваниями", — говорит Олер. Команда полагает, что для многих распространённых заболеваний с генетической предрасположенностью ответы могут находиться именно в регионах-"выключателях".