Нейросети заменяют маркерные гены в анализе секвенирования РНК единичных клеток

Учёные из Университета Карнеги — Меллон показали, что нейронные сети и методы машинного обучения с учителем могут эффективно характеризовать клетки, изученные с помощью секвенирования РНК единичных клеток (scRNA-seq). Это открытие поможет исследователям идентифицировать новые подтипы клеток и отличать здоровые клетки от больных.

Вместо того чтобы полагаться на маркерные гены, которые известны не для всех типов клеток, этот новый автоматизированный метод анализирует все данные scRNA-seq, чтобы выбрать именно те параметры, которые могут дифференцировать одну клетку от другой. Это позволяет анализировать все типы клеток и предоставляет метод для их сравнительного анализа.

Исследователи из Отдела вычислительной биологии CMU представили свой метод в журнале Nature Communications. Они также описали веб-сервер scQuery, который делает метод доступным для всех учёных.

За последние пять лет секвенирование единичных клеток стало основным инструментом для клеточных исследований. Раньше учёные могли получать информацию о последовательности ДНК или РНК, обрабатывая группы клеток, что давало лишь усреднённые значения. Анализ клеток по одной, напротив, позволяет идентифицировать их подтипы, увидеть разницу между здоровой и больной клеткой или между молодой и старой клеткой.

Этот тип секвенирования будет поддерживать новую программу Национальных институтов здоровья (NIH) Human BioMolecular Atlas Program (HuBMAP), которая создаёт 3D-карту человеческого тела, показывающую различия тканей на клеточном уровне. Профессор вычислительной биологии и машинного обучения Зив Бар-Йосеф, соавтор статьи, возглавляет центр на базе CMU, разрабатывающий вычислительные инструменты для этого проекта.

«С каждым экспериментом, дающим сотни тысяч точек данных, это становится проблемой больших данных», — сказал Амир Алави, аспирант по вычислительной биологии, соавтор статьи. — «Традиционные методы анализа недостаточны для таких масштабов».

Алави, его коллеги и постдок Мэтью Руффало разработали автоматизированный конвейер, который загружает все общедоступные данные scRNA-seq для мышей — идентифицируя гены и белки, экспрессируемые в каждой клетке — из крупнейших репозиториев, включая Gene Expression Omnibus (GEO) NIH. Клетки были помечены по типу и обработаны с помощью нейронной сети — компьютерной системы, смоделированной по образцу человеческого мозга. Сравнивая все клетки друг с другом, нейросеть определила параметры, которые делают каждую клетку уникальной.

Исследователи протестировали эту модель, используя данные scRNA-seq из исследования мышиной болезни, аналогичной болезни Альцгеймера. Как и ожидалось, анализ показал схожие уровни клеток мозга как в здоровых, так и в больных клетках, в то время как больные клетки содержали значительно больше иммунных клеток, таких как макрофаги, выработанных в ответ на болезнь.

Исследователи использовали свой конвейер и методы для создания scQuery — веб-сервера, который может ускорить сравнительный анализ новых данных scRNA-seq. Как только учёный загружает эксперимент с единичными клетками на сервер, нейронные сети и методы сопоставления группы могут быстро идентифицировать родственные подтипы клеток и найти более ранние исследования похожих клеток.