Новый метод оценивает риск утечки персональной информации из данных отдельных клеток

Доступ к публичным наборам данных об экспрессии генов в отдельных клетках человека (scRNA-seq) значительно углубил понимание сложных биологических систем и этиологии различных заболеваний. Однако рост доступности повышает риск нарушения приватности доноров клеток и несанкционированного раскрытия их медицинских данных.

Предыдущие исследования утечек концентрировались на данных об усредненной экспрессии генов в популяции клеток (bulk data). Из-за высокой вариабельности ("шума") в данных отдельных клеток их не считали подверженными высокому риску.

Исследователи из Нью-Йоркского геномного центра, Колумбийского и Брауновского университетов оспорили это предположение.

Новое исследование, опубликованное 2 октября в Cell, описывает, как индивиды в наборах scRNA-seq данных уязвимы для "атак связывания". В таких атаках злоумышленники могут раскрыть частную генетическую информацию и данные о фенотипических признаках участников исследований.

"Недавно опубликованные популяционные наборы scRNA-seq данных позволили нам изучить утечку приватности и выяснить, может ли хакер, используя только публичную информацию, преодолеть шум данных отдельных клеток и получить сведения о генетике, фенотипических признаках и заболеваниях пациента", — сказала автор-корреспондент Гамзе Гюрсой.

Авторы сначала собрали данные исследования волчанки и когорты OneK1K, связав индивидов с их генетическими и фенотипическими данными путем сравнения с публично доступными данными об экспрессионных количественных признаковых локусах (eQTL) из bulk-данных.

Затем они показали, что эту связь можно установить еще точнее, используя eQTL, специфичные для типа клеток. Наконец, они продемонстрировали, что связать индивидов с их профилями возможно даже при отсутствии данных eQTL, используя генетические и scRNA-seq данные от меньшего числа людей для обучения предсказательной модели.

"Мы показали, что, используя генетические варианты и scRNA-seq данные из одной когорты, мы можем определить позиции, которые можно предсказать в других исследованиях, опираясь только на данные экспрессии отдельных клеток из этих исследований. Этот подход позволяет извлечь генетическую информацию, которую участники несвязанных исследований никогда не соглашались раскрывать", — добавил Коннор Уокер.

Поскольку данные не обязательно должны происходить из одной группы или популяции, наборы данных здоровых людей можно использовать для предсказания информации о наборе данных больных. Между экспрессией генов здоровых и больных людей достаточно общих закономерностей, чтобы болезнь не сильно влияла на сигналы экспрессии даже на уровне отдельных клеток.

"Возможность использовать данные, полученные в другой лаборатории и даже обработанные другим методом, чтобы затем связать индивидов в совершенно другом анонимном наборе данных, довольно поразительна и подчеркивает реальную проблему приватности для scRNA-seq данных", — добавила д-р Гюрсой.

Надежда заключается в том, что это открытие поможет разработать четкие политики информированного согласия, подчеркивающие риски для доноров, и сформировать законы, предотвращающие злонамеренное использование этой информации.