Вычислительный инструмент scEGOT точно и эффективно отслеживает дифференцировку клеток

Понимание того, как клетки превращаются в специализированные типы в процессе развития человека, — ключевая задача биологии. Этот сложный процесс, известный как клеточная дифференцировка, важен для изучения биологии развития и регенеративной медицины. Исследователи из Японии разработали новый вычислительный инструмент scEGOT, который даёт новое представление об этом процессе, преодолевая ограничения предыдущих методов и позволяя анализировать динамику отдельных клеток разных типов.

Исследование, опубликованное в BMC Bioinformatics, было сосредоточено на процессе индукции клеток, подобных примордиальным зародышевым клеткам человека (hPGCLCs), из плюрипотентных стволовых клеток человека. scEGOT (single-cell trajectory inference framework based on entropic Gaussian mixture optimal transport) — это комплексная система, которая позволяет:

• строить динамические траектории клеточной дифференцировки,
• определять ключевые точки перехода,
• выявлять роль генов, регулирующих эти процессы.

В отличие от существующих методов, scEGOT обладает высокой интерпретируемостью (результаты легко понять) и высокой вычислительной эффективностью (требует меньше ресурсов), что делает его полезным инструментом для анализа данных по отдельным клеткам.

Одна из главных проблем в изучении дифференцировки — захват промежуточных клеточных состояний, критически важных для понимания прогрессии клеток. Традиционные методы часто либо недостаточно точны, либо опираются на вычислительно затратные и непрозрачные подходы, например, нейронные сети.

"Этот проект направлен на преодоление этих ограничений путём создания математически строгой и биологически интерпретируемой системы", — пояснил ведущий исследователь доктор Тосиаки Ячимура.

Учёные применили scEGOT для анализа индукции hPGCLCs и выявили новые детали о задействованных генах и путях. Они:

1. Определили популяцию клеток-предшественников hPGCLCs.
2. Установили точный момент, когда эти клетки отделяются от соматических линий (клеток, формирующих ткани и органы тела).

Анализ показал, что генно-регуляторная сеть с участием TFAP2A и NKX1-2 играет важную роль в спецификации клеток-предшественников hPGCLCs. Также было выявлено, что гены MESP1 и GATA6 критически важны для дифференцировки соматических линий. Эти результаты дают более чёткую картину раннего развития человека и предлагают ценные подсказки для регенеративной медицины.

В планах исследователей — расширить возможности scEGOT для работы с другими типами данных по отдельным клеткам, например, scATAC-seq (изучающим эпигенетические факторы). Они стремятся интегрировать наборы данных различных типов биологических молекул (мульти-омиксные данные), такие как транскриптомные и эпигеномные данные, чтобы создать комплексную картину регуляции генов и динамики клеточной дифференцировки.

"scEGOT — это универсальный, основанный на данных метод, который может углубить наше понимание динамики клеточной дифференцировки. Раскрывая эпигенетические механизмы и пути дифференцировки, он обладает потенциалом для революции в биологии развития", — отметил доктор Ячимура.

Это исследование подчёркивает важность интеграции биологии и математики для решения фундаментальных научных вопросов. Такие инструменты, как scEGOT, могут ускорить открытия в биологии развития и других областях, приближая нас к пониманию механизмов самой жизни.