Les chercheurs d'UVA Health développent un nouvel outil pour faire progresser la recherche sur la génomique et les maladies

Les chercheurs d'UVA Health développent un nouvel outil pour faire progresser la recherche sur la génomique et les maladies

Les chercheurs d'UVA Health ont développé un nouvel outil important pour aider les scientifiques à distinguer les signaux du bruit lorsqu'ils étudient les causes génétiques du cancer et d'autres maladies. En plus de faire progresser la recherche et potentiellement d’accélérer de nouveaux traitements, le nouvel outil pourrait contribuer à améliorer le diagnostic du cancer en permettant aux médecins de détecter plus facilement les cellules cancéreuses.

Le nouvel outil, développé par Chongzhi Zang, PhD, UVA, et son équipe et collaborateurs, est un modèle mathématique qui contribuera à garantir l'intégrité des « mégadonnées » sur les éléments constitutifs de nos chromosomes, le matériel génétique appelé chromatine. La chromatine – une combinaison d'ADN et de protéines – joue un rôle important dans le contrôle de l'activité de nos gènes. Lorsque la chromatine tourne mal, elle peut transformer une cellule saine en cancer ou contribuer à d’autres maladies.

Livre électronique sur la génétique et la génomique

Compilation des meilleurs interviews, articles et actualités de l'année dernière. Téléchargez une copie gratuite

Les scientifiques peuvent désormais étudier la chromatine dans des cellules individuelles à l’aide d’une technologie de pointe appelée ATAC-seq unicellulaire, mais cela produit une énorme quantité de données, notamment beaucoup de bruit et de distorsion. Le nouvel outil de Zang résout ce problème, évitant aux scientifiques de fausses pistes et des efforts inutiles.

Dans le meilleur des cas, la recherche génomique à grande échelle sur des cellules uniques revient à « chercher une aiguille dans une botte de foin », explique Zang. Mais son nouvel outil rendra la tâche beaucoup plus facile en éliminant beaucoup de mauvais foin.

Avec la méthode traditionnelle d'analyse des données, vous pouvez observer certains modèles qui ressemblent à de vrais signaux d'un état particulier de la chromatine, mais qui sont faux en raison du biais de la technologie expérimentale elle-même. De tels faux signaux peuvent dérouter les scientifiques. Nous avons développé un modèle pour mieux capturer et filtrer ces faux signaux afin que la véritable aiguille que nous recherchons puisse se démarquer plus facilement du foin.

Chongzhi Zang, PhD, biologiste computationnel au Centre UVA de génomique de santé publique et au Centre de lutte contre le cancer UVA Health

À propos de l'outil génomique

Le nouvel outil de Zang adapte un modèle de la théorie des nombres et de la cryptologie appelé « codage simplex ». Lui et ses collègues l'ont utilisé pour coder des séquences d'ADN sous des formes mathématiques et finalement convertir la séquence complexe du génome en une forme mathématique beaucoup plus simple. Vous pouvez ensuite comparer différentes formes pour détecter les distorsions et le bruit dans les données de séquence qui ne sont pas faciles à trouver avec les approches traditionnelles.

"La complexité des séquences d'ADN augmente de façon exponentielle à mesure qu'elles s'allongent. Elles sont difficiles à modéliser car un ensemble de données typique contient des millions de séquences provenant de milliers de cellules", a déclaré Shengen Shawn Hu, PhD, chercheur au laboratoire de Zang et auteur principal de ce travail. "Mais le modèle de codage simplex peut fournir une estimation précise des distorsions de séquence en raison de ses belles propriétés mathématiques."

Les tests de l’outil ont montré qu’il était nettement meilleur dans l’analyse de données complexes sur une seule cellule afin de caractériser différents types de cellules. Ceci est important à la fois pour la recherche biologique fondamentale et pour le diagnostic des maladies, où les médecins doivent détecter un petit nombre de cellules malades dans des échantillons beaucoup plus grands, allant de dizaines de milliers à des millions de cellules.

"Les distorsions n'étaient pas faciles à trouver car elles étaient liées à des signaux réels et cachées dans de grandes quantités de données. Ce ne serait peut-être pas grave si les gens sélectionnaient simplement les signaux les plus forts provenant d'un grand nombre de cellules", a déclaré Zang. qui a récemment codirigé plusieurs autres recherches en génomique unicellulaire étudiant les maladies coronariennes et le développement intestinal. "Mais lorsque vous examinez les données unicellulaires, il n'y a plus de fruit à portée de main. Les signaux sont toujours faibles au niveau de chaque cellule, et les effets du bruit et de la distorsion peuvent être catastrophiques. La correction du biais est souvent ignorée, mais peut être cruciale dans l'analyse des données unicellulaires."

Pour rendre leur nouvel outil largement disponible, les chercheurs ont développé un logiciel open source gratuit et l'ont mis en ligne. Le logiciel peut être trouvé sur https://github.com/zang-lab/SELMA et à https://doi.org/10.5281/zenodo.7048767.

"Nous espérons que cet outil pourra profiter à la communauté de la recherche biomédicale dans l'étude de la biologie de la chromatine et de la génomique et, à terme, soutenir la recherche sur les maladies", a déclaré Zang. « C’est toujours passionnant de voir comment nos collègues utilisent les outils que nous développons pour faire d’importantes découvertes scientifiques dans le cadre de leurs propres recherches. »

Résultats publiés

Les chercheurs ont publié leurs résultats dans la revue Nature Communications. (L'article est en libre accès, c'est-à-dire en lecture gratuite.) L'équipe était composée de Shengen Shawn Hu, Lin Liu, Qi Li, Wenjing Ma, Michael J. Guertin, Clifford A. Meyer, Ke Deng, Tingting Zhang et Chongzhi Zang.

Zang fait partie des départements des sciences de la santé publique, de la biochimie et de la génétique moléculaire et du génie biomédical de l'UVA. Le Département de génie biomédical est une collaboration de l'École de médecine UVA et de l'École d'ingénierie.

Le travail a été soutenu par les subventions R35GM133712, K22CA204439 et R35GM128635 des National Institutes of Health ; la National Science Foundation, subvention NSF-796 2048991 ; le Centre de recherche informatique de l'Université de Pittsburgh ; Centre de cancérologie UVA ; et l'Institut national du cancer des NIH, Cancer Center Support Grant P30 CA44579.

Source:

Système de santé de l'Université de Virginie

Référence:

Hu, SS et al. (2022) Estimation du biais intrinsèque pour une analyse améliorée des profils d’accessibilité de la chromatine globale et unicellulaire à l’aide de SELMA. Communication naturelle. est ce que je.org/10.1038/s41467-022-33194-z.

.