强大的新工具开发促进疾病的研究

UVA卫生研究人员已经开发出一种重要的新工具来帮助科学家信号从噪声探测癌症和其他疾病的遗传原因。除了促进研究和潜在的新的治疗方法,加速新工具可以帮助改善癌症诊断,使医生更容易发现癌细胞。

由UVA的冲值藏博士和他的团队合作者,新的工具是一个数学模型,将有助于确保完整性的“大数据”的构建块染色体,遗传物质称为染色质。染色质- DNA和蛋白质的结合中发挥着重要作用指导我们的基因的活性。染色质出错时,它可以把一个健康的细胞变成癌症或导致其他疾病。

科学家们现在可以使用尖端技术研究单个细胞中染色质称为“单细胞ATAC-seq”,但这产生了大量的数据,包括噪音和偏见。藏的新工具穿过,储蓄的科学家假线索和浪费的工作。

是最好的时代,大规模、单细胞基因组研究就像“狩猎海里捞针,”藏说。但他的新工具会让你更容易清理很多糟糕的干草。

“使用传统方法分析数据,你可能会看到一些模式看起来像真正的特定的染色质状态的信号,但它们实际上是假由于实验技术本身的偏见。这样的假信号可以混淆科学家”,计算生物学家藏表示UVA公共卫生中心的基因组学和UVA健康癌症中心。“我们开发了一个模型来更好地捕获和过滤掉这样的假信号,所以,真正的针我们正在寻找可以更容易脱颖而出的干草。”

关于基因组学工具

藏的新工具适应模型从数论,密码学称为“单纯形编码。”他和他的同事使用DNA序列编码成数学形式,最终,将复杂的基因组序列转换为一个更简单的数学形式。他们可以比较不同形式来检测偏差和序列中的噪声数据,使用传统的方法无法找到轻松。

“DNA序列的复杂性增加时指数变长了。他们很难模型,因为一个典型数据集从成千上万的细胞,数以百万计的序列”Shengen肖恩胡博士说,藏的实验室的研究科学家和作者的工作。“但是单纯形编码模型能给一个准确的估计序列的偏见,因为它美丽的数学性质。”

工具的测试显示它明显更好地分析复杂的单细胞数据来描述不同的细胞类型。这是重要的基础生物学研究和疾病诊断,医生必须检测小数量的疾病细胞内更大的标本,从几万到上百万的细胞。

“偏见并不容易找到,因为他们与真正的信号和隐藏在大数据。也许不是一件大事,如果人们只会选择从大量的细胞最强烈的信号,“藏说,他最近共同其他单细胞基因组研究在研究冠状动脉疾病和肠道的发展。“但是当你看单细胞数据,没有低垂的果实了。信号总是软弱的个别单元级别,以及噪声和偏见的影响可能是灾难性的。偏差纠正经常被忽略,但可以在单细胞数据分析是至关重要的。”

让他们的新工具的广泛使用,研究人员创造了自由、开源软件和放到网上。该软件可以在找到https://github.com/zang-lab/SELMA而在https://doi.org/10.5281/zenodo.7048767。

“我们希望这个工具可以受益的生物医学研究社区染色质生物学和基因组学研究,并最终帮助疾病研究,“藏说。“总是令人兴奋的看到我们的同行使用我们开发的工具做出重大科学发现的研究。”

参考:胡锦涛党卫军,刘L,李问,et al .内在偏差估计提高批量和单细胞分析利用塞尔玛染色质易访问性资料。Nat Commun。2022;13 (1):5533。doi:10.1038 / s41467 - 022 - 33194 - z

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。