Новый метод для определения расположения клеток в образце

Исследователи из Стэнфордского университета разработали вычислительный метод для определения расположения клеток в образце при захвате данных пространственной транскриптомики. Метод объединяет данные пространственной транскриптомики и референсного атласа одноклеточной РНК для создания моделей. Полученные модели можно использовать для визуализации клеточных субструктур, выявления паттернов колокализации и анализа дифференциальной экспрессии генов внутри типа клеток в зависимости от их местоположения.

Новый метод — cellular Spatial Positioning Analysis via Constrained Expression alignment (CytoSPACE) — опубликован в журнале Nature Biotechnology. Скрипт для запуска вычислений находится в свободном доступе на GitHub.

Понимание взаимодействий внутри и между клетками представляет большой интерес для медицинских исследований. Хотя геном многое рассказал о генетических связях с заболеваниями, экспрессия генов в разных тканях сильно варьируется. Роль локализованных клеточных тканей в предотвращении или проявлении болезни критически важна для понимания, прогнозирования, диагностики и лечения огромного спектра заболеваний.

Клетки внутри тканей общаются друг с другом, посылая групповые или индивидуальные химические сообщения, тонко управляя здоровым функционированием клеточных процессов. В случае рака часто именно сбой коммуникации внутри одной клетки может привести к развитию болезни, поскольку опухолевые клетки теряют способность "слышать" инструкции группы остановить рост и самоуничтожиться.

Одноклеточное РНК-секвенирование позволяет захватывать экспрессию генов (молекулы РНК) в отдельных клетках с высоким разрешением, что позволяет сравнивать их с другими клетками. Эта техника начинается с выделения отдельных клеток из интересующей ткани. Хотя она рассказывает исследователю всё об экспрессированных генах внутри секвенированной отдельной клетки, она ничего не говорит о клетках вокруг неё.

Современные методы пространственной транскриптомики дают более географический обзор экспрессии генов для создания карты клеточных взаимоотношений. Вместо информации об отдельных клетках исследователи получают сэмпл из десяти или более клеток, вносящих вклад в одну точку локации. По сути, образец ткани помещается на РНК-захватывающий слайд, который присоединяет штрих-коды к РНК. Когда РНК удаляется со слайда и секвенируется, штрих-код можно отследить до места его сбора на слайде, и, следовательно, пространственное расположение секвенированных прочтений можно реконструировать в карту.

В поисках более точных данных было разработано несколько вычислительных методов для определения общего клеточного состава в образцах пространственной транскриптомики. CytoSPACE использует одноклеточные данные из референсного атласа scRNA-seq и размещает их с более высоким разрешением.

CytoSPACE конструирует предполагаемый набор входных одноклеточных последовательностей, соответствующий тому, что, по прогнозам, присутствует в образце пространственной транскриптомики. Затем он заполняет этими последовательностями сгенерированный набор локаций в соответствии с прогнозируемой клеточной плотностью каждого пространственного прочтения. С этими сопоставленными наборами CytoSPACE решает задачу реконструкции ткани как задачу линейного назначения и оптимально сопоставляет отдельные клетки из данных scRNA-seq с пространственными координатами.

В текущем исследовании группа, разработавшая CytoSPACE, протестировала его против нескольких ведущих доступных вычислительных методов. Согласно статье, "На разнообразных платформах и типах тканей мы показываем, что CytoSPACE превосходит предыдущие методы по устойчивости к шуму и точности, позволяя создавать карты тканей с одноклеточным разрешением".