Às vezes você não sabe o que está procurando até encontrá-lo; e isso é especialmente verdadeiro quando se trata de grandes conjuntos de dados que podem ser gerados usando técnicas modernas de sequenciamento. Agora, pesquisadores do Japão relatam o desenvolvimento de uma estrutura estatística que pode realizar a extração imparcial de comunicações célula-célula biologicamente relevantes de um mar de dados espaciais de expressão genética.
Em um estudo publicado em setembro na Bioinformática , pesquisadores da Universidade de Tsukuba revelaram que um novo método de análise estatística pode identificar com precisão a comunicação célula-célula que afeta a expressão gênica no nível de célula única.

A comunicação entre as células regula a expressão gênica de maneiras cruciais para a função normal, bem como para o desenvolvimento da doença. Embora o sequenciamento de RNA de célula única e a transcriptômica resolvida espacialmente possam fornecer algumas informações sobre essa comunicação, os métodos atuais para analisar esses tipos de dados têm algumas limitações importantes.

"A maioria dos métodos de análise estatística existentes não leva em conta a organização espacial das células dentro de um órgão composto por vários tipos de células", afirma o professor associado Haruka Ozaki, autor sênior do estudo. "No entanto, a localização das células, o número de células e os tipos de células nas proximidades afetam a expressão do gene nas células vizinhas".

Para capturar essa complexidade, os pesquisadores criaram uma estrutura estatística chamada CCPLS (análise de comunicações célula-célula por modelagem de regressão Partial Least Square) que analisa dados de expressão gênica espacial em resolução de célula única. O objetivo deste sistema foi identificar e quantificar a influência de tipos de células vizinhas na variabilidade célula a célula na expressão gênica.

“Primeiro aplicamos o CCPLS a um conjunto de dados simulado e descobrimos que ele estimou com precisão os efeitos de vários tipos de células vizinhas na expressão gênica”, diz o professor associado Ozaki. "Em seguida, aplicamos o sistema a um conjunto de dados do mundo real e mostramos que os astrócitos promovem a diferenciação de células precursoras de oligodendrócitos em oligodendrócitos, o que é consistente com experimentos anteriores com ratos".

Em seguida, o CCPLS foi aplicado a outro conjunto de dados do mundo real contendo dados de expressão gênica de nove tipos diferentes de células encontradas no cólon. A análise mostrou que o desenvolvimento de células epiteliais de células B imaturas ocorre através da comunicação com células B IgA, o que não foi relatado anteriormente.

"Nossas descobertas mostram que o CCPLS pode ser usado para extrair insights biologicamente relevantes sobre as comunicações célula-célula de conjuntos de dados complexos", afirma o professor Ozaki.

Dado que o CCPLS superou uma estrutura estatística existente na identificação da variabilidade da expressão gênica regulada pela comunicação célula-célula, é provável que seja uma ferramenta altamente útil para análise de conjuntos de dados no futuro. Pode ser particularmente eficaz para explorar alvos de drogas e nos casos em que o arranjo celular causa alterações na expressão gênica. + Explorar mais

Métodos matemáticos para analisar dados transcriptômicos de célula única