Forskare vid University of California San Diego har utvecklat en ny artificiell intelligens (AI)-metod som kan förutsäga hur celler är organiserade i sjukdomsmikromiljöer. Metoden, kallad sc-ATAC-seq, kan identifiera sällsynta celltyper och deras interaktioner inom komplexa vävnader. Denna information kan hjälpa forskare att bättre förstå hur sjukdomar utvecklas och sprids, och potentiellt leda till nya behandlingar.

"Genom att förstå hur celler är organiserade i sjukdomsmikromiljöer kan vi få insikter i sjukdomsmekanismer och utveckla riktade terapier", säger Dr Bing Ren, professor i cellulär och molekylär medicin vid UC San Diego och senior författare till studien.

För närvarande använder forskare vanligtvis encellig RNA-sekvensering (scRNA-seq) för att studera genuttryck i enskilda celler. Medan scRNA-seq ger värdefull information om generna som är aktiva i en cell, kan den inte ge information om cellens interaktioner med andra celler i vävnaden.

sc-ATAC-seq åtgärdar denna begränsning genom att använda en teknik som kallas analys för transposas-tillgänglig kromatinsekvensering (ATAC-seq). ATAC-seq mäter DNAs tillgänglighet till transposaser, som är enzymer som kan infoga DNA i genomet. Öppna kromatinregioner är vanligtvis associerade med aktiva gener, medan slutna kromatinregioner är associerade med inaktiva gener. sc-ATAC-seq kombinerar ATAC-seq med scRNA-seq för att ge information om både genuttryck och kromatintillgänglighet i enskilda celler.

"Vi fann att sc-ATAC-seq kan identifiera sällsynta cellpopulationer som ofta missas av enbart scRNA-seq", säger Dr. Xinyu Zhao, den första författaren till studien och en postdoktor vid UC San Diego. "Till exempel kunde vi identifiera en population av cancerstamceller som är ansvariga för tumörtillväxt och metastaser."

Forskarna vidareutvecklade en uppsättning beräkningsverktyg för att analysera sc-ATAC-seq-data och förutsäga organiseringen av celler i vävnadsmikromiljöer. Dessa verktyg tillåter forskare att generera rumsliga kartor över celler och identifiera sällsynta cell-cell-interaktioner som kan vara viktiga för sjukdomsutveckling.

"Vi tror att sc-ATAC-seq kommer att vara ett värdefullt verktyg för att studera ett brett spektrum av sjukdomar, inklusive cancer, neurodegenerativa sjukdomar och autoimmuna sjukdomar", säger Ren. "Det kan också användas för att utveckla nya terapier som riktar sig mot specifika cell-cell-interaktioner inom sjukdomsmikromiljöer."

Studien publicerades i tidskriften Nature Biotechnology.