UVA Health -tutkijat kehittävät uutta työkalua genomiikan ja sairauksien tutkimuksen edistämiseksi

UVA Health -tutkijat kehittävät uutta työkalua genomiikan ja sairauksien tutkimuksen edistämiseksi

UVA Health -tutkijat ovat kehittäneet tärkeän uuden työkalun, joka auttaa tutkijoita erottamaan signaalit melusta tutkiessaan syövän ja muiden sairauksien geneettisiä syitä. Sen lisäksi, että uusi työkalu edistää tutkimusta ja mahdollisesti nopeuttaa uusia hoitoja, se voisi auttaa parantamaan syövän diagnosointia helpottamalla lääkäreiden havaitsemista syöpäsoluissa.

Uusi työkalu, jonka on kehittänyt Chongzhi Zang, PhD, UVA, sekä hänen tiiminsä ja yhteistyökumppaninsa, on matemaattinen malli, joka auttaa varmistamaan "suuren datan" eheyden kromosomiemme rakennuspalikoista, geneettisestä materiaalista nimeltä kromatiini. Kromatiinilla – DNA:n ja proteiinin yhdistelmällä – on tärkeä rooli geeniemme toiminnan säätelyssä. Kun kromatiini menee pieleen, se voi muuttaa terveen solun syöväksi tai edistää muita sairauksia.

Genetiikka ja genomiikka e-kirja

Kokoelma viime vuoden huippuhaastatteluista, artikkeleista ja uutisista. Lataa ilmainen kopio

Tiedemiehet voivat nyt tutkia kromatiinia yksittäisissä soluissa käyttämällä huipputeknologiaa nimeltä yksisoluinen ATAC-seq, mutta tämä tuottaa valtavan määrän tietoa, mukaan lukien paljon kohinaa ja vääristymiä. Zangin uusi työkalu ratkaisee sen ja säästää tutkijat vääriltä johduilta ja turhalta ponnisteluilta.

Parhaimmillaan yksittäisten solujen laajamittainen genomitutkimus on kuin "neulan metsästämistä heinäsuovasta", Zang sanoo. Mutta hänen uusi työkalunsa tekee siitä paljon helpompaa poistamalla paljon huonoa heinää.

Perinteisellä tietojen analysointitavalla saatat nähdä kuvioita, jotka näyttävät tietyn kromatiinitilan todellisilta signaaleilta, mutta ovat vääriä itse kokeellisen tekniikan harhasta johtuen. Tällaiset väärennetyt signaalit voivat hämmentää tutkijoita. Olemme kehittäneet mallin tällaisten väärien signaalien paremmin sieppaamiseksi ja suodattamiseksi, jotta etsimämme oikea neula erottuu helpommin heinistä."

Chongzhi Zang, PhD, laskennallinen biologi kansanterveysgenomiikan UVA-keskuksessa ja UVA-terveyssyöpäkeskuksessa

Tietoja genomiikkatyökalusta

Zangin uusi työkalu mukauttaa numeroteorian ja kryptologian mallia, jota kutsutaan "simplex-koodaukseksi". Hän ja hänen kollegansa käyttivät tätä DNA-sekvenssien koodaamiseen matemaattisiin muotoihin ja lopulta muuntaessaan monimutkaisen genomisekvenssin paljon yksinkertaisempaan matemaattiseen muotoon. Voit sitten vertailla eri muotoja havaitaksesi vääristymiä ja kohinaa sekvenssitiedoissa, joita ei ole helppo löytää perinteisillä lähestymistavoilla.

"DNA-sekvenssien monimutkaisuus kasvaa eksponentiaalisesti niiden pidentyessä. Niitä on vaikea mallintaa, koska tyypillinen tietojoukko sisältää miljoonia sekvenssejä tuhansista soluista", sanoi Shengen Shawn Hu, PhD, Zangin laboratorion tutkija ja tämän työn johtava kirjoittaja. "Mutta simplex-koodausmalli voi tarjota tarkan arvion sekvenssin vääristymistä sen kauniin matemaattisen ominaisuuden vuoksi."

Työkalun testit osoittivat, että se oli huomattavasti parempi analysoimaan monimutkaisia ​​yksisoluisia tietoja eri solutyyppien luonnehtimiseksi. Tämä on tärkeää sekä biologisen perustutkimuksen että sairauksien diagnosoinnin kannalta, jolloin lääkäreiden on löydettävä pieni määrä sairaussoluja paljon suuremmista näytteistä, jotka vaihtelevat kymmenistä tuhansista miljooniin soluihin.

"Vääristymiä ei ollut helppo löytää, koska ne kietoutuivat todellisiin signaaleihin ja piilotettiin suuriin tietomääriin. Ei ehkä ole iso juttu, jos ihmiset vain poimisivat vahvimmat signaalit suuresta määrästä soluja", Zang sanoi. joka äskettäin johti useita muita yksisoluisia genomiikan tutkimuksia, joissa tutkittiin sepelvaltimotautia ja suoliston kehitystä. "Mutta kun tarkastellaan yksisoluista dataa, siellä ei ole enää alhaalla roikkuvaa hedelmää. Signaalit ovat aina heikkoja yksittäisten solujen tasolla, ja kohinan ja vääristymien vaikutukset voivat olla katastrofaalisia. Bias-korjaus jätetään usein huomiotta, mutta se voi olla ratkaisevaa yksisoluisen datan analysoinnissa."

Saadakseen uuden työkalunsa laajalti saataville tutkijat kehittivät ilmaisia ​​avoimen lähdekoodin ohjelmistoja ja laittoivat sen verkkoon. Ohjelmisto löytyy osoitteesta https://github.com/zang-lab/SELMA ja klo https://doi.org/10.5281/zenodo.7048767.

"Toivomme, että tämä työkalu voi hyödyttää biolääketieteen tutkimusyhteisöä kromatiinibiologian ja genomiikan tutkimisessa ja viime kädessä tukea sairaustutkimusta", Zang sanoi. "On aina jännittävää nähdä, kuinka kollegamme käyttävät kehittämiämme työkaluja tehdäkseen tärkeitä tieteellisiä löytöjä omassa tutkimuksessaan."

Tulokset julkaistu

Tutkijat julkaisivat tulokset Nature Communications -lehdessä. (Artikkeli on avoin, eli se on vapaasti luettavissa.) Ryhmään kuuluivat Shengen Shawn Hu, Lin Liu, Qi Li, Wenjing Ma, Michael J. Guertin, Clifford A. Meyer, Ke Deng, Tingting Zhang ja Chongzhi Zang.

Zang on osa UVA:n kansanterveystieteiden, biokemian ja molekyyligenetiikan sekä biolääketieteellisen tekniikan osastoa. Biolääketieteen tekniikan laitos on UVA School of Medicinein ja School of Engineeringin yhteistyö.

Työtä tukivat National Institutes of Healthin apurahat R35GM133712, K22CA204439 ja R35GM128635; National Science Foundation, Grant NSF-796 2048991; Pittsburghin yliopiston tutkimuslaskentakeskus; UVA-syöpäkeskus; ja NIH:n National Cancer Institute, Cancer Center Support Grant P30 CA44579.

Lähde:

Virginian yliopiston terveysjärjestelmä

Viite:

Hu, SS, et ai. (2022) Sisäinen harhaarvio bulkki- ja yksisoluisten kromatiinin saavutettavuusprofiilien analyysin parantamiseksi SELMA:n avulla. Luontoviestintä. doi.org/10.1038/s41467-022-33194-z.

.