算法擴展了科學家可以從單個細胞中發(fā)現(xiàn)的內(nèi)容

2021年7 月 1 日——一種新的軟件工具可以幫助研究人員進一步利用單細胞 RNA 測序 (scRNA-seq) 數(shù)據(jù)，通過將生物學相關數(shù)據(jù)納入分析來了解有關單個細胞的更多信息。6 月 30 日在Genome Research 中詳細介紹的機器學習算法可用于預測哪些轉錄因子在單個細胞中最為活躍。

人類細胞內(nèi)有數(shù)百種轉錄因子，可能需要數(shù)年的反復試驗研究才能確定特定細胞類型中哪些是開啟或關閉的。這是重要的信息，因為這些蛋白質可以用作潛在的藥物靶點。

先前用于推斷轉錄因子活性的方法是基于編碼轉錄因子的信使 RNA (mRNA)。這些策略可能不能代表真正的生物學功能，因為轉錄因子的活性通常在翻譯后水平進行調節(jié)，而轉錄因子的關鍵變化可能無法在 mRNA 水平上檢測到。

ScRNA-seq 是研究細胞間轉錄組異質性的有力工具。然而，由于整合生物背景數(shù)據(jù)的困難，基于這些數(shù)據(jù)闡明細胞的潛在生物學功能和調控機制(即轉錄因子活性或基因調控網(wǎng)絡)具有挑戰(zhàn)性。

scRNA-seq 的大多數(shù)應用都集中在空間生物學上，其目的是根據(jù)低維空間中單個細胞的接近程度來識別細胞簇。然而，這種分析沒有考慮到生物學功能，也沒有幫助研究人員揭示細胞亞群中的調節(jié)機制。

“該領域的一個挑戰(zhàn)是，相同的基因可能在一組細胞中‘開啟’，但在同一器官內(nèi)的不同組細胞中‘關閉’，”該研究中心的教授 Jalees Rehman 博士說。伊利諾伊大學芝加哥分校醫(yī)學院。“能夠了解單個細胞中轉錄因子的活性將使研究人員能夠研究主要器官(如心臟、大腦或肺)的所有主要細胞類型的活性譜。”

為了解決先前 scRNA-seq 分析策略的局限性，由 Rehman 和該大學生物信息學副教授 Yang Dai 博士領導的伊利諾伊大學芝加哥分校研究人員團隊開發(fā)了貝葉斯推理轉錄因子活動模型 (BITFAM)。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！