3D-карты активности генов

Трехмерная компьютерная модель позволяет ученым быстро определять, какие гены активны в каких клетках и их точное местоположение внутри органа. Метод и полученные с его помощью данные опубликованы в Nature группой под руководством Николауса Раевски (Берлин) и Нира Фридмана (Иерусалим).

Цель профессора Николауса Раевски — понять, что именно происходит в клетках человека при развитии болезни, чтобы распознавать и лечить самые ранние клеточные изменения. Для этого необходимо не только расшифровать активность генома в отдельных клетках, но и отследить ее пространственно внутри органа. Например, пространственное расположение иммунных клеток при раке («микроокружение») крайне важно для точной диагностики и выбора оптимальной терапии. В целом, не хватает системного подхода, чтобы на молекулярном уровне зафиксировать и понять (пато)физиологию ткани.

Карты для различных типов тканей

С помощью специального алгоритма ученым удалось создать пространственную карту экспрессии генов для отдельных клеток в различных типах тканей: в печени и кишечном эпителии млекопитающих, а также в эмбрионах дрозофилы и рыбки данио, в частях мозжечка и в почке. «Иногда чисто теоретической науки достаточно для публикации в высокорейтинговом научном журнале», — отмечает Раевски, подчеркивая важность инвестиций в машинное обучение и искусственный интеллект.

«Используя эти сгенерированные компьютером карты, мы теперь можем точно отслеживать, активен ли конкретный ген в клетках части ткани или нет», — объясняет Никос Караискос, разработавший алгоритм вместе с Мор Нитцан. Модель была названа «novoSpaRc».

Пространственная информация ранее терялась

Лишь в последние годы благодаря новым методам секвенирования, например, мультиплексному РНК-секвенированию, исследователи смогли определять, какую информацию отдельные клетки в органе или ткани извлекают из генома. Однако для работы этой технологии ткань необходимо разбить на отдельные клетки, что приводит к потере ценной информации — исходного местоположения конкретной клетки в ткани.

Ученые искали способ использовать данные одноклеточного секвенирования для создания математической модели, которая могла бы рассчитать пространственную картину экспрессии генов для всего генома, даже в сложных тканях.

Пазл из десятков тысяч фрагментов и цветов

Два года назад команды Раевски и Роберта Зинцена представили в журнале Science виртуальную модель эмбриона дрозофилы с беспрецедентным пространственным разрешением, показывающую активность генов. Тогда картографирование стало возможным с помощью 84 генов-маркеров, для которых in situ-эксперименты определили место активности в эмбрионе.

В новой работе задача была сложнее: можно ли реконструировать сложную ткань, имея минимальную или нулевую предварительную информацию? Основное предположение для алгоритма novoSpaRc заключалось в том, что у соседних клеток активность генов более схожа, чем у удаленных друг от друга.

Исследователи протестировали гипотезу на существующих данных. Для печени, почки и кишечного эпителия дополнительной информации почти не было — в одном случае было доступно всего два гена-маркера. «Это было похоже на сборку массивного пазла с огромным количеством разных цветов — возможно, около 10 000», — объясняет Караискос. Каждый фрагмент пазла представлял отдельную клетку ткани, а каждый цвет — активный ген, считанный молекулой РНК.

Метод работает независимо от техники секвенирования

«Теперь у нас есть метод, который позволяет создавать виртуальную модель исследуемой ткани на основе данных одноклеточного секвенирования в компьютере — независимо от того, какой метод секвенирования использовался», — говорит Караискос. Существующая информация о пространственном расположении отдельных клеток может быть загружена в модель для ее дальнейшего уточнения. С помощью novoSpaRc можно определить для каждого известного гена, где в ткани генетический материал активен и транслируется в белок.

Сейчас ученые также сосредоточены на использовании модели для реконструкции и даже предсказания определенных процессов развития в тканях или целых организмах. При этом признается, что некоторые специфические ткани могут быть несовместимы с алгоритмом novoSpaRc, что рассматривается как новый вызов и возможность взяться за новый «пазл».