En ny maskininlärningsalgoritm kan förutsäga hur gener regleras i enskilda celler, ett genombrott som kan leda till nya behandlingar för en mängd olika sjukdomar.
Algoritmen, utvecklad av forskare vid University of California, Berkeley, kan identifiera de specifika DNA-sekvenser som styr uttrycket av gener. Denna information kan användas för att utveckla läkemedel som riktar sig mot dessa sekvenser och antingen slå på eller av gener.
"Detta är ett stort genombrott i vår förståelse av hur gener regleras", säger studiens huvudförfattare Jonathan Weissman, professor i molekylär- och cellbiologi vid UC Berkeley. "Det har potential att revolutionera sättet vi behandlar sjukdomar på."
Algoritmen, som kallas scSLAM-seq, fungerar genom att analysera data från encellig RNA-sekvensering. Denna teknik gör det möjligt för forskare att mäta uttrycket av gener i enskilda celler, snarare än i en bulkpopulation av celler.
Genom att analysera data från scSLAM-seq kan algoritmen identifiera de DNA-sekvenser som är associerade med uttrycket av specifika gener. Dessa sekvenser kallas regulatoriska element.
Forskarna testade algoritmen på en mängd olika celltyper, inklusive mänskliga embryonala stamceller, embryonala musstamceller och mänskliga inducerade pluripotenta stamceller. Algoritmen kunde exakt identifiera de reglerande elementen för ett stort antal gener i varje celltyp.
Forskarna tror att scSLAM-seq skulle kunna användas för att identifiera de reglerande elementen för gener som är involverade i en mängd olika sjukdomar. Denna information kan sedan användas för att utveckla läkemedel som riktar sig mot dessa sekvenser och antingen slå på eller av gener.
"Denna teknik har potential att revolutionera sättet vi behandlar sjukdomar på", sa Weissman. "Genom att rikta in oss på de reglerande delarna av gener kan vi utveckla nya läkemedel som är effektivare och har färre biverkningar."
Studien publicerades i tidskriften Nature Biotechnology.