Pesquisadores da Universidade da Califórnia em San Diego desenvolveram um novo método de inteligência artificial (IA) que pode prever como as células são organizadas em microambientes de doenças. O método, denominado sc-ATAC-seq, pode identificar tipos de células raras e suas interações em tecidos complexos. Esta informação poderia ajudar os investigadores a compreender melhor como as doenças se desenvolvem e se espalham, e potencialmente levar a novos tratamentos.
“Ao compreender como as células são organizadas nos microambientes das doenças, podemos obter insights sobre os mecanismos das doenças e desenvolver terapias direcionadas”, disse o Dr. Bing Ren, professor de medicina celular e molecular na UC San Diego e autor sênior do estudo.
Atualmente, os cientistas geralmente usam sequenciamento de RNA unicelular (scRNA-seq) para estudar a expressão gênica em células individuais. Embora o scRNA-seq forneça informações valiosas sobre os genes que estão ativos em uma célula, ele não pode fornecer informações sobre as interações da célula com outras células do tecido.
sc-ATAC-seq aborda essa limitação usando uma técnica chamada ensaio para sequenciamento de cromatina acessível por transposase (ATAC-seq). ATAC-seq mede a acessibilidade do DNA às transposases, que são enzimas que podem inserir DNA no genoma. As regiões abertas da cromatina estão geralmente associadas a genes ativos, enquanto as regiões fechadas da cromatina estão associadas a genes inativos. sc-ATAC-seq combina ATAC-seq com scRNA-seq para fornecer informações sobre a expressão gênica e a acessibilidade da cromatina em células individuais.
“Descobrimos que o sc-ATAC-seq pode identificar populações de células raras que muitas vezes são perdidas apenas pelo scRNA-seq”, disse o Dr. Xinyu Zhao, primeiro autor do estudo e pesquisador de pós-doutorado na UC San Diego. “Por exemplo, conseguimos identificar uma população de células-tronco cancerosas que são responsáveis pelo crescimento tumoral e pela metástase”.
Os pesquisadores desenvolveram ainda um conjunto de ferramentas computacionais para analisar dados sc-ATAC-seq e prever a organização das células em microambientes teciduais. Essas ferramentas permitem aos pesquisadores gerar mapas espaciais de células e identificar interações raras entre células que podem ser importantes para o desenvolvimento de doenças.
“Acreditamos que o sc-ATAC-seq será uma ferramenta valiosa para estudar uma ampla gama de doenças, incluindo câncer, doenças neurodegenerativas e doenças autoimunes”, disse Ren. “Também poderia ser usado para desenvolver novas terapias que visem interações célula-célula específicas dentro de microambientes de doenças”.
O estudo foi publicado na revista Nature Biotechnology.