Новый метод анализа данных РНК-секвенирования выявляет новые подтипы клеток

Учёные из Европейского института биоинформатики EMBL (EMBL-EBI) разработали новый метод анализа данных РНК-секвенирования, позволяющий выявлять новые подтипы клеток. Техника, описанная в Nature Biotechnology, представляет собой значительный шаг вперёд для одноклеточной геномики.

Технология одноклеточного РНК-секвенирования предоставляет данные о профилях экспрессии генов сотен отдельных клеток в одном эксперименте. Однако сложность транскриптомных профилей затрудняла интерпретацию данных.

"С одноклеточной геномикой мы группируем клетки из ткани в разные типы на основе их профиля экспрессии, выявляя подтипы, которые могут иметь различные функциональные роли. Но для этого необходимо учитывать мешающие факторы, и до сих пор у нас не было надёжных методов для этого", — объясняет Джон Мариони, руководитель исследовательской группы в EMBL-EBI.

Образец ткани обладает внутренней сложностью: клетки различаются по возрасту и на момент анализа находятся на разных стадиях клеточного цикла. Большинство типов клеток также имеют скрытые подтипы.

Новая одноклеточная модель со скрытыми переменными (scLVM) позволяет обнаруживать и контролировать скрытую подструктуру, что облегчает выявление значимых биологических сигналов.

"Мы определили, как можно учесть такие факторы, как стадия клеточного цикла, погрешность измерений или биологические процессы. Это позволяет создать более точную картину экспрессии генов в разных типах и подтипах клеток", — говорит Флориан Бюттнер, руководивший исследованием. — "Сочетание одноклеточного анализа со статистическими методами позволяет нам идентифицировать типы клеток, которые в противном случае остались бы незамеченными".

Модель учитывает взаимосвязь между отдельными клетками (например, нахождение на одной стадии клеточного цикла), идентифицирует потенциально мешающие переменные и удаляет их. Она также помогает находить новые, ранее неизвестные подтипы.

"Анализ отдельных типов клеток необходим для медицинских исследований, — утверждает Бюттнер. — Раковые клетки, процессы дифференцировки и патогенез различных заболеваний можно лучше изучить и понять, основываясь только на известных, детальных клеточных профилях. Наша модель теперь позволяет создавать такие профили с помощью одноклеточной геномики".