Badacze z UVA Health opracowują nowe narzędzie umożliwiające postęp w badaniach nad genomiką i chorobami

Badacze z UVA Health opracowują nowe narzędzie umożliwiające postęp w badaniach nad genomiką i chorobami

Badacze z UVA Health opracowali nowe, ważne narzędzie, które pomoże naukowcom odróżnić sygnały od szumu podczas badania genetycznych przyczyn raka i innych chorób. Oprócz postępu w badaniach i potencjalnego przyspieszenia nowych metod leczenia, nowe narzędzie może pomóc ulepszyć diagnostykę nowotworów, ułatwiając lekarzom wykrywanie komórek nowotworowych.

Nowe narzędzie, opracowane przez doktora Chongzhi Zanga z UVA oraz jego zespół i współpracowników, to model matematyczny, który pomoże zapewnić integralność „dużych zbiorów danych” na temat elementów składowych naszych chromosomów, czyli materiału genetycznego zwanego chromatyną. Chromatyna – połączenie DNA i białka – odgrywa ważną rolę w kontrolowaniu aktywności naszych genów. Kiedy chromatyna szwankuje, może przekształcić zdrową komórkę w raka lub przyczynić się do innych chorób.

E-book Genetyka i genomika

Zestawienie najważniejszych wywiadów, artykułów i aktualności z ostatniego roku. Pobierz bezpłatną kopię

Naukowcy mogą obecnie badać chromatynę w poszczególnych komórkach przy użyciu najnowocześniejszej technologii zwanej jednokomórkowym ATAC-seq, ale generuje to ogromną ilość danych, w tym dużo szumu i zniekształceń. Nowe narzędzie Zanga sobie z tym radzi, chroniąc naukowców przed fałszywymi tropami i zmarnowanymi wysiłkami.

W najlepszych czasach badania genomiczne na dużą skalę na pojedynczych komórkach przypominają „polowanie na igłę w stogu siana” – mówi Zang. Ale jego nowe narzędzie znacznie to ułatwi, usuwając mnóstwo zgniłego siana.

W tradycyjnym sposobie analizy danych można dostrzec pewne wzorce, które wyglądają jak rzeczywiste sygnały określonego stanu chromatyny, ale są fałszywe ze względu na stronniczość samej technologii eksperymentalnej. Takie fałszywe sygnały mogą dezorientować naukowców. Opracowaliśmy model, który lepiej wychwytuje i odfiltrowuje fałszywe sygnały, dzięki czemu prawdziwa igła, której szukamy, może łatwiej wyróżnić się na tle siana”.

Chongzhi Zang, doktor, biolog obliczeniowy w UVA Center for Public Health Genomics i UVA Health Cancer Center

Informacje o narzędziu genomiki

Nowe narzędzie Zanga adaptuje model z teorii liczb i kryptologii zwany „kodowaniem simpleksowym”. On i jego koledzy wykorzystali to do zakodowania sekwencji DNA w postacie matematyczne i ostatecznie przekształcenia złożonej sekwencji genomu w znacznie prostszą formę matematyczną. Następnie można porównać różne kształty, aby wykryć zniekształcenia i szumy w danych sekwencji, których nie można łatwo znaleźć przy użyciu tradycyjnych metod.

„Złożoność sekwencji DNA rośnie wykładniczo w miarę ich wydłużania. Trudno je modelować, ponieważ typowy zestaw danych zawiera miliony sekwencji z tysięcy komórek” – powiedział dr Shengen Shawn Hu, badacz w laboratorium Zanga i główny autor tej pracy. „Ale model kodowania simpleksowego może zapewnić dokładne oszacowanie zniekształceń sekwencji ze względu na jego piękne właściwości matematyczne”.

Testy narzędzia wykazały, że znacznie lepiej radzi sobie ono z analizowaniem złożonych danych pochodzących z pojedynczych komórek w celu scharakteryzowania różnych typów komórek. Jest to istotne zarówno w przypadku podstawowych badań biologicznych, jak i diagnostyki chorób, gdzie lekarze muszą wykryć niewielką liczbę komórek chorobowych w znacznie większych próbkach, sięgających od dziesiątek tysięcy do milionów komórek.

„Zniekształcenia nie były łatwe do znalezienia, ponieważ były przeplatane z rzeczywistymi sygnałami i ukryte w dużych ilościach danych. Nie byłoby to wielkim problemem, gdyby ludzie po prostu wybierali najsilniejsze sygnały z dużej liczby komórek” – powiedział Zang. który niedawno współkierował kilkoma innymi badaniami z zakresu genomiki pojedynczych komórek, badającymi chorobę wieńcową i rozwój jelit. „Jednak patrząc na dane pochodzące z pojedynczych komórek, nie widać już żadnych owoców. Sygnały są zawsze słabe na poziomie poszczególnych komórek, a skutki szumu i zniekształceń mogą być katastrofalne. Korekta odchylenia jest często ignorowana, ale może mieć kluczowe znaczenie w analizie danych z jednej komórki”.

Aby zapewnić szeroką dostępność swojego nowego narzędzia, badacze opracowali bezpłatne oprogramowanie typu open source i umieścili je w Internecie. Oprogramowanie można znaleźć pod adresem https://github.com/zang-lab/SELMA i o godz https://doi.org/10.5281/zenodo.7048767.

„Mamy nadzieję, że to narzędzie przyniesie korzyści społeczności badaczy biomedycznych w badaniu biologii i genomiki chromatyny, a ostatecznie wesprze badania nad chorobami” – powiedział Zang. „Zawsze ekscytujące jest obserwowanie, jak nasi koledzy wykorzystują opracowywane przez nas narzędzia do dokonywania ważnych odkryć naukowych w ramach własnych badań”.

Wyniki opublikowane

Naukowcy opublikowali swoje wyniki w czasopiśmie Nature Communications. (Artykuł jest ogólnodostępny, co oznacza, że ​​można go przeczytać bezpłatnie). W skład zespołu wchodzili Shengen Shawn Hu, Lin Liu, Qi Li, Wenjing Ma, Michael J. Guertin, Clifford A. Meyer, Ke Deng, Tingting Zhang i Chongzhi Zang.

Zang jest częścią wydziałów UVA: Nauk o Zdrowiu Publicznym, Biochemii i Genetyki Molekularnej oraz Inżynierii Biomedycznej. Katedra Inżynierii Biomedycznej jest owocem współpracy Szkoły Medycznej UVA i Szkoły Inżynierskiej.

Prace finansowano z grantów Narodowego Instytutu Zdrowia R35GM133712, K22CA204439 i R35GM128635; Narodowa Fundacja Nauki, Grant NSF-796 2048991; Centrum Obliczeń Badawczych Uniwersytetu w Pittsburghu; Centrum Onkologii UVA; oraz Narodowy Instytut Raka NIH, grant wsparcia Centrum Onkologii P30 CA44579.

Źródło:

System opieki zdrowotnej Uniwersytetu Wirginii

Odniesienie:

Hu, SS i in. (2022) Wewnętrzne oszacowanie błędu systematycznego w celu ulepszonej analizy profili dostępności chromatyny masowej i jednokomórkowej przy użyciu SELMA. Komunikacja przyrodnicza. doi.org/10.1038/s41467-022-33194-z.

.