Forskare vid University of California, San Francisco (UCSF) har utvecklat en algoritm som kan avgöra hur cellulära stadsdelar fungerar i vävnader. Algoritmen, som kallas "TissueMapper", använder rumslig transkriptomikdata för att sluta sig till interaktionerna mellan celler och deras grannar. Denna information kan användas för att förstå hur vävnader är organiserade och hur de reagerar på olika stimuli.

Spatial transcriptomics är en ny teknik som gör det möjligt för forskare att mäta genuttrycket av celler i ett vävnadsprov samtidigt som deras rumsliga relationer bevaras. Dessa data kan användas för att skapa en karta över vävnaden, som visar vilka gener som uttrycks i varje cell och hur de är organiserade i förhållande till varandra.

TissueMapper använder denna rumsliga information för att sluta sig till interaktionerna mellan celler och deras grannar. Algoritmen identifierar först kluster av celler som uttrycker liknande gener. Dessa kluster används sedan för att skapa ett nätverk av interaktioner som visar hur cellerna är anslutna till varandra.

Forskarna testade TissueMapper på flera olika vävnadsprover, inklusive hud, hjärna och hjärta. Algoritmen kunde exakt identifiera interaktionerna mellan celler i varje vävnad och förutsäga hur vävnaderna skulle svara på olika stimuli.

"TissueMapper är ett kraftfullt nytt verktyg som kan användas för att förstå hur vävnader är organiserade och hur de fungerar", säger Alex Pollen, PhD, en UCSF-forskare och en av utvecklarna av TissueMapper. "Denna information kan användas för att utveckla nya läkemedel och terapier som riktar sig mot specifika celltyper eller interaktioner."

Studien publicerades i tidskriften Nature Methods.