scCoGAPS и projectR: контроль судьбы клетки

Ученые долго сортировали клетки по различным разновидностям, основываясь на их внешнем виде под микроскопом или на различия, которые являются менее видимыми при визуальном наблюдении, основываясь на поведении горстки генов. В попытке выявить еще более отчетливые различия и сходства исследователи из Онкологического центра им. Джона Хопкинса, Института генетической медицины им. Джонса Хопкинса и отделения нейробиологии имени Джона Хопкинса разработали два новых метода искусственного интеллекта scCoGAPS и projectR. Данные методы расшифровывают сложную активность генов, контролирующую судьбу клетки и её решения в развитии сетчатки глаза, связывая эту активность гена с тем, что происходит в других тканях и у разных видов.

Результаты, опубликованные 22 мая 2019 г. в Cell Systems , описывают общие черты и различия, ответственные за функцию клетки, которые могут дать ключевое представление об исследовании и лечении заболеваний человека далеко за пределами сетчатки.

Модельная система

Руководители исследований: доктор наук, доцент онкологии Элана Фертиг, доктор наук, доцент нейробиологии Лоял Гофф и их коллеги использовали развивающуюся сетчатку глаза мыши в качестве своей модельной системы. «Сетчатка представляет собой идеальную модельную систему для изучения развития, потому что она отражает развитие всего мозга, хотя и с более ограниченным числом типов клеток», – говорит доктор наук и ведущий автор исследования Женевьев Стейн-О’Брайен.

Учёные использовали данные, полученные с помощью новой технологии секвенирования отдельных клеток, которая определила, какие гены были включены и в какой степени – более чем 120 000 отдельных клеток сетчатки мыши в течение 10 моментов времени развития: эмбриональный день № 11, примерно на полпути через гестацию в постнатальном периоде. День № 14 в дополнительном исследовании, проведенным совместно с доктором наук, профессором неврологии Сетом Блэкшоу.

Методы scCoGAPS и projectR

Они использовали эти данные в двух разных программах искусственного интеллекта, которые разработала команда. Первый метод, называемый scCoGAPS, ищет шаблоны, которые характеризуют клетки на основе их уровней экспрессии. Второй метод, называемый projectR, использует эти паттерны для связи клеток в развивающейся сетчатке с клетками в других системах – включая сетчатку взрослой мыши, сетчатку развивающегося человека, развивающийся мозг и другие типы клеток во всем теле мыши.

По словам Фертига, с scCoGAPS исследователи выявили 80 различных паттернов в течение всего периода развития клеток сетчатки мыши. Эти паттерны соответствовали изменениям от стволовых клеток к более зрелым, дискретным различиям между типами зрелых клеток и различиям между мышами, от которых они произошли, например, полу, среди других факторов.

Паттерны экспрессии

Когда исследователи спроецировали эти паттерны на данные о клеточной экспрессии сетчатки взрослой мыши, они обнаружили явное сходство – например, паттерны экспрессии генов во взрослых палочковидных клетках сетчатки имели общие черты с клетками в развивающейся сетчатке мыши, которые созревали в палочковидные клетки. Тем не менее, большинство паттернов экспрессии генов отличались между двумя наборами, причем эмбриональные и постнатальные клетки экспрессировали паттерны, которые были явно развивающимися по природе, контрастирующими с таковыми у зрелых клеток. В качестве примера Стейн-О’Брайен объясняет, что «паттерны развития, усвоенные с помощью scCoGAPS, показывают изменения в экспрессии генов и клеточном цикле, которые приводят к тому, что обычный предшественник приводит к образованию совершенно разных типов клеток».

Исследователи также обнаружили общие закономерности между развивающейся сетчаткой мыши, развивающейся сетчаткой человека, развивающейся корой головного мозга человека и развивающимся средним мозгом мыши. Эти сходства показывают, что программы искусственного интеллекта могут быть полезны для сравнения точек развития и между различными видами и системами органов, объясняет Фертиг.

Взаимосвязь паттернов генов

Углубившись, ученые сравнили закономерности развития клеток сетчатки мыши с экспрессией генов в клетках других частей тела мыши. Удивительно, утверждает Фертиг, но они обнаружили сходную экспрессию генов между секреторными клетками в легких и подмножеством клеток в сетчатке, намекая на присутствие пока еще не описанного типа клеток в легком на основании того, что было изучено в сетчатке.

«С точки зрения базовой биологии это бросает вызов представлению о том, что данный тип клеток действительно определяется ограниченным набором генов», – говорит она. «Мы показываем, что эти паттерны генов могут быть взаимосвязаны и что более широкие паттерны между генами сохраняются от образца к образцу и от контекста к контексту».

Борьба с раковыми заболеваниями

Инструменты искусственного интеллекта scCoGAPS и projectR также могут пролить свет на изучение рака, добавляет Фертиг, что является основным направлением её исследований в целом. Например, некоторые тесты направлены на оценку реакции пациентов на лечение рака активностью одного гена или нескольких генов. Использование scCoGAPS и projectR может показать более сложную картину генной активности, которая сможет помочь исследователям разработать более эффективные способы борьбы с раковыми заболеваниями.

Genevieve L. Stein-O’Brien, Brian S. Clark, Thomas Sherman, Cristina Zibetti, Qiwen Hu, Rachel Sealfon, Sheng Liu, Jiang Qian, Carlo Colantuoni, Seth Blackshaw, Loyal A. Goff, Elana J. Fertig.

Decomposing Cell Identity for Transfer Learning across Cellular Measurements, Platforms, Tissues, and Species.

Cell Systems, 2019; 8 (5): 395 DOI: 10.1016/j.cels.2019.04.004