Бенчмаркинг-исследование поможет учёным анализировать данные пространственной транскриптомики

Исследователи из Университета Вандербильта представили новое бенчмаркинг-исследование, цель которого — помочь учёным выбрать наиболее эффективные методы для анализа данных пространственной транскриптомики (ST).

Исследование под руководством Синь Мэйзи Чжоу, доцента биомедицинской инженерии и компьютерных наук, оценивает вычислительные инструменты в области пространственной транскриптомики (ST) — технологии, используемой для картирования паттернов экспрессии генов в тканях с сохранением пространственного контекста. Работа недавно опубликована в журнале Genome Biology.

ST включает нарезку образца ткани и размещение его на специально разработанном слайде со пространственно индексированными штрих-кодами. При обработке ткани рибонуклеиновая кислота (RNA) в каждом конкретном месте ткани захватывается этими штрих-кодами. После секвенирования RNA данные можно сопоставить с исходными местоположениями в ткани, что позволяет исследователям визуализировать, где именно в архитектуре ткани экспрессируются определённые гены.

С момента начала её широкого использования в 2020 году эта передовая технология секвенирования произвела революцию в понимании сложных тканей. Применения ST включают исследования рака и нейронауки, например, картирование экспрессии генов в частях мозга для понимания региональных функций или механизмов заболеваний.

Однако разнообразие доступных инструментов для анализа данных ST может быть ошеломляющим, что затрудняет выбор правильного подхода для конкретных исследовательских задач.

Чтобы решить эту проблему, команда из Вандербильта систематически сравнила 16 методов кластеризации, пять методов выравнивания и пять методов интеграции на различных наборах данных. Их выводы предлагают практические рекомендации для исследователей, работающих с пространственной транскриптомикой, помогая им определить инструменты, которые лучше всего соответствуют их требованиям.

«Наша цель состояла в том, чтобы предоставить чёткое и доступное руководство для исследователей, ориентирующихся в доступных вариантах анализа пространственной транскриптомики», — сказала Чжоу, входящая в преподавательский состав междисциплинарного Института Data Science Вандербильта. — «Мы надеемся, что это исследование станет полезным ресурсом для всех, кто работает в этой быстро развивающейся области».