Алгоритм картирует экспрессию генов в пространстве
По мере накопления данных секвенирования генов растут размер и сложность баз данных типов клеток. Возникает потребность понять, где в организме расположены разные типы клеток, и сопоставить их паттерны экспрессии генов с конкретными участками тканей и органов. Например, ген может быть активен в одной клетке и подавлен в другой.
Один из методов картирования генов в тканях — гибридизация in situ. Целевой ген метят флуоресцентным маркером в срезах ткани, где он находится. Затем срезы визуализируют под специализированным микроскопом, чтобы увидеть, где ген "светится". Последовательные фотографии каждого среза объединяют, чтобы создать пространственную карту локализации гена в ткани.
Проблема методов, использующих гибридизацию in situ, в том, что с ростом числа целевых генов они становятся сложными, требуют специализированного оборудования и заставляют учёных заранее выбирать цели. Этот процесс может быть трудоёмким, если цель — восстановить полную карту распределения генов в тканях.
"Пространственное" преобразование данных секвенирования
Учёные из Школы наук о жизни EPFL создали вычислительный алгоритм Tomographer, который может преобразовывать данные секвенирования генов в пространственно разрешённые данные, такие как изображения, без необходимости в микроскопе. Работа выполнена исследовательской группой Джоеле Ла Манно и опубликована в Nature Biotechnology.
В новой технике Tomographer ткань сначала разрезают вдоль интересующей оси на последовательные срезы, каждый из которых затем нарезают на полоски под разными углами. Клетки из полосок разрушают для сбора их общей матричной РНК (mRNA). Каждая mRNA соответствует гену, который был активен в клетке. Измерения, полученные с полосок, можно использовать в качестве входных данных для алгоритма Tomographer, чтобы восстановить пространственные паттерны экспрессии генов в ткани.
"Алгоритм Tomographer открывает многообещающий и надёжный путь для "пространственного" преобразования различных методов геномных измерений", — говорит Джоеле Ла Манно.
В качестве применения учёные использовали Tomographer для пространственного картирования молекулярной анатомии мозга австралийской бородатой агамы (Pogona vitticeps) — организма, не являющегося модельным, что демонстрирует универсальность алгоритма.
"С тех пор как я начал учиться в медицинской школе, я восхищался тем, как компьютерная томография революционизировала способ обследования органов и частей тела", — говорит Кристиан Габриэль Шнайдер, один из ведущих авторов исследования. — "Сегодня я очень горжусь тем, что являюсь частью команды, разработавшей технологию молекулярной томографии. Пока мы сосредоточились на приложениях в нейробиологии развития, но в будущем, безусловно, можно представить, что молекулярная томография станет частью персонализированной медицины".
"Это была захватывающая возможность разработать доступный и гибкий вычислительный метод, который может способствовать прогрессу в науках о здоровье", — добавляет Халима Ханна Шеде, другой ведущий автор исследования. — "Я с большим нетерпением жду, какие ещё пространственно разрешённые биологические данные будут получены с помощью Tomographer".