Влияние соседних типов клеток на вариабельность экспрессии генов на уровне одной клетки

Исследователи из Японии разработали статистический фреймворк, способный объективно извлекать биологически значимые данные о межклеточной коммуникации из обширных массивов пространственных данных об экспрессии генов.

В исследовании, опубликованном в сентябре в Bioinformatics, ученые из Университета Цукубы показали, что новый метод статистического анализа может точно идентифицировать межклеточную коммуникацию, влияющую на экспрессию генов на уровне одной клетки.

Коммуникация между клетками регулирует экспрессию генов, что критически важно как для нормальной функции, так и для развития заболеваний. Хотя секвенирование РНК единичных клеток (single-cell RNA sequencing) и пространственно разрешенная транскриптомика (spatially resolved transcriptomics) могут дать представление об этой коммуникации, текущие методы анализа таких данных имеют важные ограничения.

«Большинство существующих методов статистического анализа не учитывают пространственную организацию клеток внутри органа, состоящего из различных типов клеток, — отмечает старший автор исследования доцент Харука Озаки. — Однако расположение клеток, их количество и типы клеток в непосредственной близости влияют на экспрессию генов в соседних клетках».

Чтобы учесть эту сложность, исследователи создали статистический фреймворк CCPLS (Cell-Cell communications analysis by Partial Least Square regression modeling), который анализирует пространственные данные об экспрессии генов с разрешением на уровне одной клетки. Цель системы — выявить и количественно оценить влияние соседних типов клеток на вариабельность экспрессии генов от клетки к клетке.

«Сначала мы применили CCPLS к смоделированному набору данных и обнаружили, что он точно оценивает влияние множества соседних типов клеток на экспрессию генов, — говорит доцент Озаки. — Затем мы применили систему к реальному набору данных и показали, что астроциты способствуют дифференцировке клеток-предшественников олигодендроцитов в олигодендроциты, что согласуется с более ранними экспериментами на мышах».

Далее CCPLS был применен к другому реальному набору данных, содержащему информацию об экспрессии генов девяти различных типов клеток, обнаруженных в толстой кишке. Анализ показал, что развитие эпителиальных клеток из незрелых B-клеток происходит через коммуникацию с IgA B-клетками, о чем ранее не сообщалось.

«Наши результаты показывают, что CCPLS можно использовать для извлечения биологически значимых сведений о межклеточной коммуникации из сложных наборов данных», — заявляет профессор Озаки.

Учитывая, что CCPLS превзошел существующий статистический фреймворк в идентификации вариабельности экспрессии генов, регулируемой межклеточной коммуникацией, он, вероятно, станет высокополезным инструментом для анализа наборов данных в будущем. Он может быть особенно эффективен для поиска мишеней для лекарств и в случаях, когда расположение клеток вызывает изменения в экспрессии генов.