Новый инструмент scLENS расшифровывает сложные геномные данные отдельных клеток

Инструмент scLENS, разработанный Группой биомедицинской математики в Центре математических и вычислительных наук IBS под руководством Кима Джэ Кёна, значительно упрощает и повышает точность извлечения биологической информации из сложных данных одноклеточной геномики.

Одноклеточный геномный анализ измеряет экспрессию генов на уровне отдельных клеток, выявляя клеточные изменения и взаимодействия, невидимые при традиционных методах. Применяемый к раковым тканям, он позволяет определить состав различных типов клеток в опухоли и выявить ключевые гены на каждом этапе прогрессирования.

Однако обработка огромных объёмов данных (экспрессия десятков тысяч генов в сотнях или тысячах отдельных клеток) оставалась сложной задачей. Данные содержат шум, отчасти вызванный ограничениями современных методов измерения.

Существующие методы анализа часто требовали от пользователей субъективного выбора порога для разделения сигнала и шума, что снижало воспроизводимость и точность результатов.

Новый инструмент scLENS использует Теорию случайных матриц (Random Matrix Theory) и Тест устойчивости сигнала (Signal robustness test) для автоматического разделения биологического сигнала и шума без субъективного вмешательства пользователя.

Кроме того, разработчики выявили, что стандартные методы предварительной обработки данных искажают как сигнал, так и шум. scLENS предлагает новый подход к предобработке, свободный от таких искажений.

Благодаря решению проблемы субъективного выбора порога шума и устранению искажений сигнала, scLENS значительно превосходит существующие методы по точности. Он также автоматизирует трудоёмкий процесс выбора размерности сигнала, позволяя исследователям удобно и автоматически извлекать биологические сигналы.

Исследование опубликовано в журнале Nature Communications.