Новая неинвазивная техника позволяет отслеживать изменения экспрессии генов в клетках с течением времени

Обычное секвенирование всей РНК в клетке дает детальную информацию о ее функции, но уничтожает клетку, что мешает изучать динамику экспрессии генов. Исследователи из MIT разработали альтернативный подход, основанный на неинвазивной визуализации методом рамановской спектроскопии, который не вредит клеткам и может выполняться многократно.

С помощью этой техники ученые смогли в течение нескольких дней наблюдать, как эмбриональные стволовые клетки дифференцируются в другие типы клеток. Метод открывает возможности для изучения долгосрочных процессов, таких как развитие рака или эмбриональное развитие, и в перспективе может быть использован для диагностики заболеваний.

"Рамановская визуализация позволяет проводить измерения во многих больше временных точках, что может быть важно для изучения биологии рака, биологии развития и ряда дегенеративных заболеваний", — говорит Питер Со, профессор биологической и механической инженерии MIT.

Ведущий автор исследования, опубликованного в Nature Biotechnology, — Косэки Кобаяши-Киршвинк. Старшие авторы — Томмазо Бьянкалани, Цзянь Шу и Авив Регев.

Визуализация экспрессии генов

Рамановская спектроскопия выявляет химический состав тканей или клеток, но недостаточно чувствительна для обнаружения изменений в уровнях отдельных молекул РНК. Обычно для измерения уровней РНК используется секвенирование РНК единичных клеток (single-cell RNA sequencing), но оно разрушает клетку.

Команда MIT объединила преимущества обоих методов, обучив вычислительную модель переводить рамановские сигналы в состояния экспрессии РНК.

"Идея этого проекта состояла в том, чтобы с помощью машинного обучения объединить силу обеих модальностей, что позволило бы понять динамику профилей экспрессии генов на уровне единичных клеток с течением времени", — говорит Кобаяши-Киршвинк.

Для обучения модели исследователи обрабатывали клетки фибробластов мыши факторами, перепрограммирующими их в плюрипотентные стволовые клетки. Используя рамановскую спектроскопию, они визуализировали клетки в 36 временных точках в течение 18 дней дифференцировки.

После каждого снимка клетки анализировали с помощью метода smFISH (single molecule fluorescence in situ hybridization), чтобы визуализировать конкретные молекулы РНК для девяти генов с варьирующейся экспрессией. Эти данные smFISH стали связующим звеном между данными рамановской визуализации и данными секвенирования РНК единичных клеток.

Исследователи обучили модель глубокого обучения предсказывать экспрессию девяти генов на основе рамановских изображений, а затем с помощью вычислительной программы Tangram связали эти паттерны экспрессии с полными геномными профилями, полученными путем секвенирования РНК.

Две модели были объединены в одну, названную Raman2RNA, которая может предсказывать полные геномные профили отдельных клеток на основе их рамановских изображений.

Отслеживание дифференцировки клеток

Алгоритм Raman2RNA был протестирован на отслеживании дифференцировки эмбриональных стволовых клеток мыши. Ученые делали рамановские снимки клеток четыре раза в день в течение трех дней, а их модель предсказывала соответствующие профили экспрессии РНК для каждой клетки, что было подтверждено сравнением с измерениями секвенирования РНК.

Это позволило наблюдать переходы в отдельных клетках по мере их дифференцировки из эмбриональных стволовых клеток в более зрелые типы, а также отслеживать геномные изменения при перепрограммировании фибробластов мыши в индуцированные плюрипотентные стволовые клетки в течение двух недель.

"Это демонстрация того, что оптическая визуализация дает дополнительную информацию, которая позволяет напрямую отслеживать линию клеток и эволюцию их транскрипции", — говорит Питер Со.

В планах исследователей — использовать эту технику для изучения других популяций клеток, изменяющихся со временем, например, стареющих или раковых. В будущем подход может быть разработан для потенциальной диагностики у пациентов.

"Одно из самых больших преимуществ Рамана в том, что это безынвазивный метод. До клинического применения еще далеко, но существует потенциал для перевода на человека, чего нельзя сделать с помощью существующих инвазивных методов измерения геномных профилей", — говорит Джеон Вун Кан, научный сотрудник MIT.