Ibland vet du inte vad du letar efter förrän du hittar det; och detta är särskilt sant när det kommer till de enorma datamängder som kan genereras med hjälp av moderna sekvenseringstekniker. Nu rapporterar forskare från Japan utvecklingen av ett statistiskt ramverk som kan utföra opartisk extraktion av biologiskt relevant cell-cell-kommunikation från ett hav av rumsliga genuttrycksdata.

I en studie publicerad i september i Bioinformatics , har forskare från University of Tsukuba avslöjat att en ny statistisk analysmetod kan exakt identifiera cell-cell-kommunikation som påverkar genuttryck på encellsnivå.

Kommunikation mellan celler reglerar genuttrycket på sätt som är avgörande för såväl normal funktion som sjukdomsutveckling. Även om encellig RNA-sekvensering och rumsligt upplöst transkriptomik kan ge viss insikt i denna kommunikation, har nuvarande metoder för att analysera dessa typer av data några viktiga begränsningar.

"De flesta befintliga statistiska analysmetoder tar inte hänsyn till den rumsliga organisationen av celler i ett organ som består av olika celltyper", säger docent Haruka Ozaki, senior författare till studien. "Men placeringen av celler, antalet celler och celltyperna i närheten påverkar genuttrycket i närliggande celler."

För att fånga denna komplexitet skapade forskarna ett statistiskt ramverk som kallas CCPLS (Cell-Cell Communications Analysis by Partial Least Square regression modeling) som analyserar rumslig genuttrycksdata vid encellsupplösning. Syftet med detta system var att identifiera och kvantifiera inverkan av närliggande celltyper på cell-till-cell-variabilitet i genuttryck.

"Vi tillämpade först CCPLS på en simulerad datamängd och fann att den exakt uppskattade effekterna av flera närliggande celltyper på genuttryck", säger docent Ozaki. "Sedan applicerade vi systemet på en verklig datauppsättning och visade att astrocyter främjar differentiering av oligodendrocytprekursorceller till oligodendrocyter, vilket stämmer överens med tidigare musexperiment."

Sedan applicerades CCPLS på en annan verklig datauppsättning innehållande genuttrycksdata från nio olika celltyper som finns i tjocktarmen. Analysen visade att epitelcellsutveckling av omogna B-celler sker genom kommunikation med IgA B-celler, vilket inte har rapporterats tidigare.

"Våra resultat visar att CCPLS kan användas för att extrahera biologiskt relevanta insikter om cell-cellkommunikation från komplexa datamängder", säger professor Ozaki.

Med tanke på att CCPLS överträffade ett befintligt statistiskt ramverk för att identifiera genuttrycksvariabilitet som regleras av cell-cellkommunikation, är det troligt att det kommer att vara ett mycket användbart verktyg för datauppsättningsanalys i framtiden. Det kan vara särskilt effektivt för att utforska läkemedelsmål och i fall där cellarrangemang orsakar förändringar i genuttryck. + Utforska vidare

Matematiska metoder för att analysera encelliga transkriptomiska data