Алгоритмы позволяют заглянуть в клеточное развитие

С помощью секвенирования РНК исследователи могут определить, какие гены экспрессируются в каждой отдельной клетке образца. Новый статистический метод позволяет выводить различные процессы развития из смеси клеток, находящихся на асинхронных стадиях. Это открытие опубликовано исследователями из Центра Гельмгольца в Мюнхене совместно с коллегами из Мюнхенского технического университета в журнале Nature Methods.

Современная клеточная биология фокусируется не только на статических состояниях, но и стремится понять динамическое развитие клеток. Пример — формирование различных типов клеток крови (например, эритроцитов или эндотелиальных клеток) из их предшественников — стволовых клеток крови. Чтобы понять генетический контроль этого процесса, учёные анализируют экспрессию генов с помощью анализа транскриптома.

«Меня до сих пор поражает, что теперь мы можем определять транскриптом отдельных клеток, особенно если учесть, что типичная клетка содержит всего несколько пикограммов РНК», — говорит ведущий автор Лалех Хагверди. Однако для правильной интерпретации этих данных требуются новые статистические методы. «Например, все клетки образца никогда не начинают своё развитие синхронно, и их развитие занимает разное время. Поэтому мы всегда имеем дело с динамической смесью», — добавляет Хагверди, аспирант Института вычислительной биологии (ICB). «Крайне сложно восстановить несколько этапов процесса из этого, особенно учитывая, что клетки доступны только для одного измерения».

Эра псевдовремени

Чтобы расшифровать процессы развития по измерению в единственный момент времени (своего рода снимку), исследователи под руководством директора ICB профессора Фабиана Тайса разработали алгоритм diffusion pseudotime для интерпретации данных секвенирования единичных клеток. Этот алгоритм упорядочивает клетки на виртуальной временной шкале — псевдовремени — вдоль которой они демонстрируют непрерывные изменения в транскриптоме. Таким образом можно реконструировать, какие гены экспрессируются последовательно. С помощью этого метода исследователи могут графически отображать ветвящиеся линии развития различных типов клеток.

«Например, мы можем показать, как относительно однородный кластер стволовых клеток крови развивается в разные типы клеток, — говорит руководитель исследования Тайс. — В то время как одни становятся эритроцитами, другие дифференцируются в эндотелиальные клетки. Мы можем проследить эти пути на основе данных транскриптома отдельных клеток». Кроме того, учёные получают информацию о том, какие генетические переключатели лежат в основе этих процессов. Относительно диффузная смесь клеток, находящихся на разных стадиях развития, может быть «распутана» на компьютере, и после анализа даёт чёткую картину происходящих отдельных этапов.

Однако для исследователей это только начало, поскольку процессы кроветворения относительно хорошо изучены. Они послужили лишь тестовым объектом для определения эффективности метода. «В будущем мы хотим сосредоточиться на процессах, которые до сих пор оставались неуловимыми или, возможно, вообще не были обнаружены», — заявил Тайс.