Вычислительный подход позволяет создавать пространственные карты данных отдельных клеток в тканях

Исследователи из Онкологического центра им. М. Д. Андерсона Техасского университета разработали новый вычислительный подход, который успешно объединяет данные параллельных методов профилирования экспрессии генов для создания пространственных карт заданной ткани с разрешением на уровне одной клетки. Полученные карты могут дать уникальное биологическое представление о микроокружении опухоли и многих других типах тканей.

Исследование опубликовано в журнале Nature Biotechnology и будет представлено на предстоящем ежегодном собрании Американской ассоциации исследований рака (AACR) 2022 года (аннотация 2129).

Инструмент под названием CellTrek использует данные секвенирования РНК отдельных клеток (scRNA-seq) вместе с данными анализов пространственной транскриптомики (ST) — которые измеряют пространственную экспрессию генов во многих небольших группах клеток — для точного определения местоположения отдельных типов клеток в ткани. Исследователи представили результаты анализа тканей почки и мозга, а также образцов протоковой карциномы in situ (DCIS) молочной железы.

«Секвенирование РНК отдельных клеток предоставляет огромный объем информации о клетках внутри ткани, но в конечном итоге вы хотите знать, где эти клетки распределены, особенно в образцах опухоли», — сказал старший автор Николас Навин, доктор философии, профессор генетики, биоинформатики и вычислительной биологии. — «Этот инструмент позволяет нам ответить на этот вопрос с помощью объективного подхода, который улучшает существующие методы пространственного картирования».

Секвенирование РНК отдельных клеток — это установленный метод анализа экспрессии генов многих отдельных клеток из образца, но он не может предоставить информацию о местоположении клеток в ткани. С другой стороны, анализы пространственной транскриптомики (ST) могут измерять пространственную экспрессию генов, анализируя множество небольших групп клеток по всей ткани, но не способны обеспечить разрешение на уровне одной клетки.

Существующие вычислительные подходы, известные как методы деконволюции, могут идентифицировать различные присутствующие типы клеток по данным ST, но они не способны предоставить подробную информацию на уровне одной клетки, пояснил Навин.

Поэтому со-первые авторы Руньмин Вэй, доктор философии, и Сиюань Хэ из лаборатории Навина возглавили усилия по разработке CellTrek как инструмента для объединения уникальных преимуществ scRNA-seq и ST-анализов и создания точных пространственных карт образцов тканей.

Используя общедоступные данные scRNA-seq и ST из тканей мозга и почек, исследователи продемонстрировали, что CellTrek достиг наиболее точного и детального пространственного разрешения среди оцененных методов. Подход CellTrek также смог различить тонкие различия в экспрессии генов внутри одного и того же типа клеток, чтобы получить информацию об их гетерогенности в образце.

Исследователи также сотрудничали с Савитри Кришнамурти, доктором медицины, профессором патологии, чтобы применить CellTrek для изучения тканей DCIS рака молочной железы. При анализе 6800 отдельных клеток и 1500 ST-регионов из одного образца DCIS команда выяснила, что разные подгруппы опухолевых клеток эволюционировали уникальным образом в определенных областях опухоли. Анализ второго образца DCIS продемонстрировал способность CellTrek реконструировать пространственное микроокружение опухоль-иммунитет внутри опухолевой ткани.

«Хотя этот подход не ограничен анализом опухолевых тканей, существуют очевидные возможности для лучшего понимания рака», — сказал Навин. — «Патология действительно определяет диагнозы рака, и с помощью этого инструмента мы можем накладывать молекулярные данные на патологические данные, чтобы обеспечить еще более глубокую классификацию опухолей и лучше направлять подходы к лечению».