Новый метод характеристики клеток указывает на причины устойчивости к терапии рака

Исследователи из Университета Пенсильвании под руководством профессора биоинженерии Арджуна Раджа разработали инструмент ClonoCluster. Этот инструмент объединяет два ранее независимых подхода к анализу данных на уровне одной клетки:

• Кластеризацию по паттернам активности генов (какие гены активны или подавлены).
• Кластеризацию по клональному происхождению (потомки делящихся клеток, или клоны, за несколько поколений).

ClonoCluster создаёт гибридные кластеры, которые могут быстро выявлять новые клеточные признаки. Это может помочь лучше понять механизмы устойчивости к некоторым методам терапии рака.

Как это работает?

• Учёные используют метод штрихкодирования клеток (barcoding) для отслеживания клонов.
• ClonoCluster анализирует экспериментальные данные, добавляя настраиваемый параметр "альфа" (alpha).
• Этот параметр позволяет регулировать баланс между группировкой по штрихкоду клона (alpha = 1) и по паттернам экспрессии генов (alpha = 0).

Ключевое открытие

Исследователи обнаружили, что чем ближе параметр "альфа" к клональному каналу, тем больше гибридные кластеры экспрессируют гены, связанные с:

• взаимодействием с внеклеточной средой,
• трансляцией белков из матричной РНК (mRNA).

Это указывает на возможность негенетического наследования клеточных признаков, возможно, через сигналы окружающей среды, а не только через внутренние механизмы регуляции генов (например, транскрипционные факторы).

Дополнительный инструмент и перспективы

Команда также создала Warp Factor — дополнительный инструмент, который использует машинное обучение для визуализации и объяснения взаимосвязи между клональными данными и гибридными кластерами.

Вместе эти инструменты помогают выявлять ранее незаметные паттерны экспрессии генов, что углубляет понимание того, как клетки дифференцируются и функционируют. Это может дать новую информацию для изучения рака и других заболеваний, связанных с нарушением клеточного деления и клональным доминированием.