I ricercatori di UVA Health stanno sviluppando un nuovo strumento per far avanzare la ricerca sulla genomica e sulle malattie

I ricercatori di UVA Health stanno sviluppando un nuovo strumento per far avanzare la ricerca sulla genomica e sulle malattie

I ricercatori di UVA Health hanno sviluppato un nuovo importante strumento per aiutare gli scienziati a distinguere i segnali dal rumore mentre studiano le cause genetiche del cancro e di altre malattie. Oltre a far avanzare la ricerca e potenzialmente ad accelerare nuovi trattamenti, il nuovo strumento potrebbe contribuire a migliorare la diagnosi del cancro rendendo più semplice per i medici individuare le cellule tumorali.

Il nuovo strumento, sviluppato da Chongzhi Zang, PhD, UVA, dal suo team e dai suoi collaboratori, è un modello matematico che aiuterà a garantire l’integrità dei “big data” sugli elementi costitutivi dei nostri cromosomi, il materiale genetico chiamato cromatina. La cromatina – una combinazione di DNA e proteine ​​– svolge un ruolo importante nel controllo dell’attività dei nostri geni. Quando la cromatina va male, può trasformare una cellula sana in cancro o contribuire ad altre malattie.

eBook Genetica e genomica

Raccolta delle migliori interviste, articoli e notizie dell'ultimo anno. Scarica una copia gratuita

Gli scienziati ora possono studiare la cromatina nelle singole cellule utilizzando una tecnologia all’avanguardia chiamata ATAC-seq a singola cellula, ma questo produce un’enorme quantità di dati, inclusi molto rumore e distorsione. Il nuovo strumento di Zang risolve questo problema, salvando gli scienziati da false piste e sforzi inutili.

Nel migliore dei casi, la ricerca genomica su larga scala su singole cellule è come “cercare un ago in un pagliaio”, afferma Zang. Ma il suo nuovo strumento renderà tutto molto più semplice eliminando un sacco di fieno cattivo.

Nel modo tradizionale di analisi dei dati, potresti vedere alcuni modelli che sembrano segnali reali di un particolare stato della cromatina, ma sono falsi a causa della distorsione della tecnologia sperimentale stessa. Tali segnali falsi possono confondere gli scienziati. Abbiamo sviluppato un modello per catturare e filtrare meglio questi falsi segnali in modo che il vero ago che stiamo cercando possa emergere più facilmente dal fieno”.

Chongzhi Zang, PhD, biologo computazionale presso il Centro UVA per la genomica della sanità pubblica e il Centro per il cancro alla salute UVA

Informazioni sullo strumento genomico

Il nuovo strumento di Zang adatta un modello della teoria dei numeri e della crittologia chiamato "codifica simplex". Lui e i suoi colleghi lo hanno utilizzato per codificare sequenze di DNA in forme matematiche e infine convertire la complessa sequenza del genoma in una forma matematica molto più semplice. È quindi possibile confrontare forme diverse per rilevare distorsioni e rumore nei dati della sequenza che non sono facilmente rilevabili utilizzando gli approcci tradizionali.

"La complessità delle sequenze di DNA aumenta esponenzialmente man mano che si allungano. Sono difficili da modellare perché un tipico set di dati contiene milioni di sequenze di migliaia di cellule", ha affermato Shengen Shawn Hu, PhD, ricercatore nel laboratorio di Zang e autore principale di questo lavoro. “Ma il modello di codifica del simplesso può fornire una stima accurata delle distorsioni della sequenza grazie alle sue meravigliose proprietà matematiche”.

I test dello strumento hanno dimostrato che era significativamente migliore nell’analizzare dati complessi di singole cellule per caratterizzare diversi tipi di cellule. Ciò è importante sia per la ricerca biologica di base che per la diagnosi delle malattie, dove i medici devono rilevare piccoli numeri di cellule malate in campioni molto più grandi, che vanno da decine di migliaia a milioni di cellule.

"Le distorsioni non erano facili da trovare perché erano intrecciate con segnali reali e nascoste in grandi quantità di dati. Potrebbe non essere un grosso problema se le persone scegliessero solo i segnali più forti da un gran numero di cellule", ha detto Zang. che recentemente ha co-condotto diverse altre ricerche sulla genomica unicellulare studiando la malattia coronarica e lo sviluppo intestinale. "Ma quando si guardano i dati di una singola cella, non c'è più alcun frutto a portata di mano. I segnali sono sempre deboli a livello di singola cella e gli effetti del rumore e della distorsione possono essere catastrofici. La correzione del bias viene spesso ignorata, ma può essere cruciale nell'analisi dei dati di una singola cella."

Per rendere il loro nuovo strumento ampiamente disponibile, i ricercatori hanno sviluppato un software open source gratuito e lo hanno messo online. Il software può essere trovato su https://github.com/zang-lab/SELMA e a https://doi.org/10.5281/zenodo.7048767.

"Ci auguriamo che questo strumento possa apportare benefici alla comunità di ricerca biomedica nello studio della biologia e della genomica della cromatina e, in definitiva, supportare la ricerca sulle malattie", ha affermato Zang. “È sempre emozionante vedere come i nostri colleghi utilizzano gli strumenti che sviluppiamo per fare importanti scoperte scientifiche nelle loro ricerche”.

Risultati pubblicati

I ricercatori hanno pubblicato i loro risultati sulla rivista Nature Communications. (L'articolo è ad accesso aperto, il che significa che può essere letto gratuitamente.) Il team era composto da Shengen Shawn Hu, Lin Liu, Qi Li, Wenjing Ma, Michael J. Guertin, Clifford A. Meyer, Ke Deng, Tingting Zhang e Chongzhi Zang.

Zang fa parte dei dipartimenti di Scienze della sanità pubblica, Biochimica e Genetica molecolare e Ingegneria biomedica dell'UVA. Il Dipartimento di Ingegneria Biomedica nasce dalla collaborazione tra la Scuola di Medicina e la Scuola di Ingegneria dell'UVA.

Il lavoro è stato sostenuto dalle sovvenzioni R35GM133712, K22CA204439 e R35GM128635 del National Institutes of Health; la National Science Foundation, Grant NSF-796 2048991; il Centro per la ricerca informatica dell'Università di Pittsburgh; Centro oncologico UVA; e il National Cancer Institute del NIH, Cancer Center Support Grant P30 CA44579.

Fonte:

Sistema sanitario dell'Università della Virginia

Riferimento:

Hu, SS et al. (2022) Stima del bias intrinseco per una migliore analisi dei profili di accessibilità della cromatina in massa e a singola cellula utilizzando SELMA. Comunicazione della natura. doi.org/10.1038/s41467-022-33194-z.

.