Investigadores de UVA Health desarrollan una nueva herramienta para avanzar en la genómica y la investigación de enfermedades

Investigadores de UVA Health desarrollan una nueva herramienta para avanzar en la genómica y la investigación de enfermedades

Los investigadores de UVA Health han desarrollado una nueva herramienta importante para ayudar a los científicos a distinguir las señales del ruido mientras estudian las causas genéticas del cáncer y otras enfermedades. Además de hacer avanzar la investigación y potencialmente acelerar nuevos tratamientos, la nueva herramienta podría ayudar a mejorar el diagnóstico del cáncer al facilitar a los médicos la detección de células cancerosas.

La nueva herramienta, desarrollada por Chongzhi Zang, PhD, UVA, y su equipo y colaboradores, es un modelo matemático que ayudará a garantizar la integridad de los "grandes datos" sobre los componentes básicos de nuestros cromosomas, el material genético llamado cromatina. La cromatina, una combinación de ADN y proteínas, desempeña un papel importante en el control de la actividad de nuestros genes. Cuando la cromatina falla, puede convertir una célula sana en cáncer o contribuir a otras enfermedades.

Libro electrónico sobre genética y genómica

Recopilación de las principales entrevistas, artículos y noticias del último año. Descargue una copia gratuita

Los científicos ahora pueden estudiar la cromatina en células individuales utilizando una tecnología de vanguardia llamada ATAC-seq unicelular, pero esto produce una enorme cantidad de datos, incluido mucho ruido y distorsión. La nueva herramienta de Zang supera eso, salvando a los científicos de pistas falsas y esfuerzos desperdiciados.

En el mejor de los casos, la investigación genómica a gran escala sobre células individuales es como “buscar una aguja en un pajar”, ​​dice Zang. Pero su nueva herramienta lo hará mucho más fácil al eliminar una gran cantidad de heno podrido.

En la forma tradicional de análisis de datos, es posible que vea algunos patrones que parecen señales reales de un estado particular de la cromatina, pero que son falsos debido al sesgo de la propia tecnología experimental. Estas señales falsas pueden confundir a los científicos. Hemos desarrollado un modelo para capturar y filtrar mejor estas señales falsas, de modo que la aguja real que buscamos pueda destacarse más fácilmente del heno”.

Chongzhi Zang, PhD, biólogo computacional del Centro de Genómica de Salud Pública de la UVA y del Centro Oncológico de Salud de la UVA

Acerca de la herramienta genómica

La nueva herramienta de Zang adapta un modelo de la teoría de números y la criptología llamado "codificación simple". Él y sus colegas utilizaron esto para codificar secuencias de ADN en formas matemáticas y, en última instancia, convertir la compleja secuencia del genoma en una forma matemática mucho más simple. Luego puede comparar diferentes formas para detectar distorsiones y ruido en los datos de secuencia que no se encuentran fácilmente con los métodos tradicionales.

"La complejidad de las secuencias de ADN aumenta exponencialmente a medida que se alargan. Son difíciles de modelar porque un conjunto de datos típico contiene millones de secuencias de miles de células", dijo Shengen Shawn Hu, PhD, investigador del laboratorio de Zang y autor principal de este trabajo. "Pero el modelo de codificación simplex puede proporcionar una estimación precisa de las distorsiones de secuencia debido a su hermosa propiedad matemática".

Las pruebas de la herramienta demostraron que era significativamente mejor a la hora de analizar datos complejos de una sola célula para caracterizar diferentes tipos de células. Esto es importante tanto para la investigación biológica básica como para el diagnóstico de enfermedades, donde los médicos necesitan detectar pequeñas cantidades de células enfermas en muestras mucho más grandes, que van desde decenas de miles hasta millones de células.

"Las distorsiones no fueron fáciles de encontrar porque estaban entretejidas con señales reales y ocultas en grandes cantidades de datos. Podría no ser gran cosa si la gente simplemente eligiera las señales más fuertes de una gran cantidad de células", dijo Zang. quien recientemente codirigió varias otras investigaciones sobre genómica unicelular que estudian la enfermedad de las arterias coronarias y el desarrollo intestinal. "Pero cuando nos fijamos en los datos unicelulares, ya no hay frutos al alcance de la mano. Las señales siempre son débiles a nivel de las células individuales, y los efectos del ruido y la distorsión pueden ser catastróficos. La corrección de sesgo a menudo se ignora, pero puede ser crucial en el análisis de datos unicelulares".

Para que su nueva herramienta esté ampliamente disponible, los investigadores desarrollaron un software gratuito de código abierto y lo pusieron en línea. El software se puede encontrar en https://github.com/zang-lab/SELMA y en https://doi.org/10.5281/zenodo.7048767.

"Esperamos que esta herramienta pueda beneficiar a la comunidad de investigación biomédica en el estudio de la biología y la genómica de la cromatina y, en última instancia, apoyar la investigación de enfermedades", dijo Zang. "Siempre es emocionante ver cómo nuestros colegas utilizan las herramientas que desarrollamos para realizar importantes descubrimientos científicos en sus propias investigaciones".

Resultados publicados

Los investigadores publicaron sus resultados en la revista Nature Communications. (El artículo es de acceso abierto, es decir, de lectura gratuita). El equipo estaba formado por Shengen Shawn Hu, Lin Liu, Qi Li, Wenjing Ma, Michael J. Guertin, Clifford A. Meyer, Ke Deng, Tingting Zhang y Chongzhi Zang.

Zang forma parte de los departamentos de Ciencias de la Salud Pública, Bioquímica y Genética Molecular e Ingeniería Biomédica de la UVA. El Departamento de Ingeniería Biomédica es una colaboración de la Facultad de Medicina y la Facultad de Ingeniería de la UVA.

El trabajo fue apoyado por las subvenciones R35GM133712, K22CA204439 y R35GM128635 de los Institutos Nacionales de Salud; la Fundación Nacional de Ciencias, subvención NSF-796 2048991; el Centro de Investigación en Computación de la Universidad de Pittsburgh; Centro Oncológico UVA; y el Instituto Nacional del Cáncer de los NIH, Subvención de apoyo al centro oncológico P30 CA44579.

Fuente:

Sistema de salud de la Universidad de Virginia

Referencia:

Hu, SS y col. (2022) Estimación del sesgo intrínseco para un análisis mejorado de los perfiles de accesibilidad de la cromatina unicelular y masiva utilizando SELMA. Comunicación de la naturaleza. doi.org/10.1038/s41467-022-33194-z.

.