纪念斯隆凯特琳癌症中心 (MSK) 的研究人员开发了一种新的开源计算方法，称为 Spectra，它改进了单细胞转录组数据的分析。
通过以独特的方式指导数据分析，Spectra 可以为细胞之间复杂的相互作用提供新的见解，例如癌细胞和免疫细胞之间的相互作用，这对于改善免疫治疗至关重要。
该团队的方法和研究结果最近发表在 该领域最有影响力的期刊之一《自然生物技术》上。
研究人员指出，Spectra 可以消除技术“噪音”，识别功能相关的基因表达程序，包括那些新颖的或针对特定生物背景高度特异性的程序。
MSK 斯隆团队在该研究附带的一份研究简报中写道，该算法非常适合研究来自大型患者群体的数据，并找出有临床意义的患者特征，并补充说 Spectra 非常适合在新兴领域识别 生物标志物和药物靶标。免疫肿瘤学。
此外，MSK 团队还 向世界各地的研究人员免费提供 Spectra 。
“我接受过计算机科学家的培训，”该研究的资深作者、 MSK 斯隆凯特林研究所计算和系统生物学项目 Dana Pe'er 博士说道。“我构建的每一个工具，我都努力使其变得强大，以便它可以在多种情况下使用，而不仅仅是一种。我还尝试让它们尽可能地易于访问。”
“我很高兴发现新的生物学，”她继续说道。“我同样高兴——也许更高兴——构建一个基础工具，可以被更广泛的社区用来做出许多生物学发现。”
Pe'er 博士补充道，来自多个机构的团队已经与 MSK 斯隆的研究人员一起使用 Spectra 研究多种疾病。
单细胞革命
过去十年，“单细胞革命”改变了人类对健康和疾病的认识。单细胞技术使科学家能够研究组织样本或一组样本中的单个细胞(例如肿瘤)，并且不仅可以看到存在的各种细胞类型(例如癌细胞与各种类型的免疫细胞)还包括哪些基因在每个细胞中活跃，为细胞状态和细胞相互作用提供了新的线索。该技术促进了人们对细胞如何适应和应对不断变化的健康和疾病条件的新认识，包括对癌症治疗产生耐药性。
问题在于，单细胞方法生成的数据量令人难以置信，难以筛选和正确解释。Pe'er 博士解释说，当试图研究在组织中多种细胞类型中活跃的基因程序(协同工作以完成特定任务的基因)时尤其如此。
“这对于研究癌细胞和免疫细胞之间的相互作用尤其重要，因为这涉及高度重叠的基因程序，”她说。“这会导致一些严重的统计问题，从而导致令人难以置信的误导性结果。”
Pe'er 博士组建的团队由共同第一作者 Russell Kunes(一位接受过统计学培训的博士生)和 Thomas Walle 医学博士(一位具有免疫肿瘤学专业知识的医师科学家)领导，不仅开发了改进的指导方法数据分析，但他们还创建了一个用户友好的界面，以方便其他科学家采用。
“我们希望开发一种改进的方法，将统计学、计算生物学和免疫学方面具有截然不同专业知识的研究人员聚集在一起，”沃勒博士 在研究简报中写道。“Spectra 是一次相互学习的旅程，我们的共同目标是让复杂的生物学变得可解释。”
指导数据分析
在这篇论文中，研究人员将 Spectra 应用于两个乳腺癌免疫治疗数据集和一个肺癌图谱，总计来自 21 项研究中 375 名个体的超过 150 万个细胞，证明了 Spectra 能够克服大规模传统分析的局限性。
Spectra 的强大之处在于用现有的科学知识体系(由各自领域的专家根据先前数据生成的基因程序库)指导数据分析。虽然这些起始知识可以直接指导单细胞数据分析，但该程序还可以适应手头的数据，帮助识别新的和修改的基因程序。(他们在论文中指出，这种适应性特性使科学家们能够在与抗 PD-1 免疫治疗耐药性相关的肿瘤相关巨噬细胞中发现一种新的癌症侵袭程序。)
Spectra 的独特设计还考虑了定义不同细胞类型的基因信息，使其更擅长寻找细胞 功能背后的基因程序，而不是细胞身份。
“例如，Spectra 使我们能够将耗尽的 T 细胞与肿瘤反应性 T 细胞分开，这些 T 细胞正在积极对抗人类的癌症，”Pe'er 博士说。“它帮助我们看到两者之间基因激活的差异——在肿瘤微环境等复杂环境中，要弄清楚这一点非常具有挑战性。”
此外，作者指出，将收集到的信息从一个数据集直接转移到另一个数据集的能力将加速和简化发现，使研究人员能够在单细胞测序研究中提炼知识，而不需要复杂的数据集成。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！