Credito:Meletios Verras/Shutterstock
A volte non sai cosa stai cercando finché non lo trovi; e questo è particolarmente vero quando si tratta degli enormi set di dati che possono essere generati utilizzando le moderne tecniche di sequenziamento. Ora, ricercatori dal Giappone riferiscono lo sviluppo di un quadro statistico in grado di eseguire l'estrazione imparziale di comunicazioni cellula-cellula biologicamente rilevanti da un mare di dati di espressione genica spaziale.
In uno studio pubblicato a settembre su Bioinformatica , i ricercatori dell'Università di Tsukuba hanno rivelato che un nuovo metodo di analisi statistica può identificare con precisione la comunicazione cellula-cellula che influenza l'espressione genica a livello di singola cellula.
La comunicazione tra le cellule regola l'espressione genica in modi cruciali per la normale funzione e lo sviluppo della malattia. Sebbene il sequenziamento dell'RNA unicellulare e la trascrittomica risolta nello spazio possano fornire alcune informazioni su questa comunicazione, i metodi attuali per l'analisi di questi tipi di dati presentano alcune importanti limitazioni.
"La maggior parte dei metodi di analisi statistica esistenti non tengono conto dell'organizzazione spaziale delle cellule all'interno di un organo composto da vari tipi di cellule", afferma la professoressa associata Haruka Ozaki, autrice senior dello studio. "Tuttavia, la posizione delle cellule, il numero di cellule e i tipi di cellule nelle vicinanze influenzano l'espressione genica nelle cellule vicine."
Per catturare questa complessità, i ricercatori hanno creato un quadro statistico chiamato CCPLS (Cell-Cell communication analysis by Partial Least Square regression modeling) che analizza i dati di espressione genica spaziale a risoluzione unicellulare. Lo scopo di questo sistema era identificare e quantificare l'influenza dei tipi cellulari vicini sulla variabilità cellula-cellula nell'espressione genica.
"Per prima cosa abbiamo applicato CCPLS a un set di dati simulato e abbiamo scoperto che stimava accuratamente gli effetti di più tipi di cellule vicine sull'espressione genica", afferma il professor Ozaki. "Quindi abbiamo applicato il sistema a un set di dati del mondo reale e abbiamo dimostrato che gli astrociti promuovono la differenziazione delle cellule precursori degli oligodendrociti in oligodendrociti, il che è coerente con i precedenti esperimenti sui topi".
Quindi, il CCPLS è stato applicato a un altro set di dati del mondo reale contenente dati sull'espressione genica di nove diversi tipi di cellule presenti nel colon. L'analisi ha mostrato che lo sviluppo delle cellule epiteliali delle cellule B immature avviene attraverso la comunicazione con le cellule B IgA, che non è stata segnalata in precedenza.
"I nostri risultati mostrano che CCPLS può essere utilizzato per estrarre informazioni biologicamente rilevanti sulle comunicazioni cellula-cellula da set di dati complessi", afferma il professor Ozaki.
Dato che CCPLS ha superato un quadro statistico esistente nell'identificazione della variabilità dell'espressione genica regolata dalla comunicazione cellula-cellula, è probabile che in futuro sarà uno strumento molto utile per l'analisi dei set di dati. Può essere particolarmente efficace per esplorare bersagli farmacologici e nei casi in cui la disposizione cellulare provoca cambiamenti nell'espressione genica. + Esplora ulteriormente
