Новый способ картографирования сетей регулирования сот

Новый способ сопоставления сетей регулирования ячеек
                Ученые сообщают в Genome Research о новом математическом методе, который облегчает проведение более сложного анализа данных, необходимого для развития расширяющейся области персонализированной медицины. Они смогли использовать значительно меньше биологического материала для выявления сети факторов транскрипции белка (TF), которые регулируют функцию клеток T Helper 17 (TH17), иммунного типа клеток, который защищает от бактериальных и грибковых инфекций, но также может привести к аутоиммунным заболеваниям. заболевания при неисправности. На этом изображении полужирные имена генов соответствуют факторам транскрипции (TFs). Связи между TF и ​​генами окрашены красным для активации или синим для ингибирования экспрессии генов. Кредит: Цинциннати Детский

Более быстрые результаты. Более низкие затраты. Меньше клеток.
                                                                                       

Новый математический метод, разработанный исследователями в Детском и Нью-Йоркском университетах Цинциннати, может вскоре значительно упростить проведение более сложного анализа данных, необходимого для продвижения вперед в развивающейся области персонализированной медицины.

Принципиальные результаты этого метода представлены в этом месяце в Genome Research. Соавторы говорят, что им удалось использовать значительно меньше биологического материала для размножения — и даже расширить — дорогостоящие предыдущие попытки идентифицировать сеть факторов транскрипции белка (TF), которые регулируют функцию клеток T Helper 17 (TH17), тип иммунных клеток, который защищает от бактериальных и грибковых инфекций, но также может привести к аутоиммунным заболеваниям при сбоях в работе.

Изучение клеток TH17 само по себе важно, утверждают исследователи. Данные добавляют несколько TF к известной транскрипционной регуляторной сети (TRN), которая контролирует поведение клеток TH17. В последующие годы это может привести к лучшему лечению аутоиммунных заболеваний, таких как рассеянный склероз, псориаз и воспалительные заболевания кишечника.

Тем не менее, потенциальное влияние этого открытия может достигнуть гораздо большего.

«Этот метод может быть применен к любому типу клеток и может предоставить новую информацию о том, как целевые типы клеток можно контролировать при широком спектре заболеваний», — говорит Эмили Миральди, доктор философии, вычислительный биолог в Cincinnati Children’s. и ведущий автор нового исследования.

В предстоящие годы детальные знания о TRN, контролирующих определенные типы клеток, могут помочь исследователям найти точные способы для усиления реакции иммунной системы на атаку раковых опухолей или ослабления реакций для лечения различных иммунных заболеваний, говорит Миральди.

От 10 миллионов образцов клеток до всего лишь 500

Используя современные методы, исследователи узнали много нового о том, как экспрессия генов может отличаться у здоровых и нездоровых людей. Но изучение того, как безопасно влиять на экспрессию генов для улучшения здоровья, требует более глубокого изучения того, как TRN управляют поведением в определенных типах клеток, местах и ​​условиях.

При многих заболеваниях, особенно редких, может быть трудно или невозможно собрать достаточно клеток, представляющих интерес для проведения такого анализа, говорит Миральди.

Например, детализация начальной регуляторной сети для клеток TH17 основывалась на данных секвенирования иммунопреципитации хроматина (ChIP-seq), революционной технологии, введенной около десяти лет назад.

Но для работы этого инструмента требуется до 10 миллионов ячеек. Методы, использованные Миральди и его коллегами, дали аналогичные результаты с уменьшением количества клеток в 100 раз. В действительности, в некоторых случаях данные могут быть получены из образцов, содержащих всего 500 ячеек.

В новом подходе исследовательская группа использовала улучшенную версию алгоритма моделирования экспрессии генов, названного «Inferelator», который объединяет данные из более новой методики, называемой анализом для доступного для транспозазы хроматина (ATAC-seq).

ATAC-seq обнуляется только на участках хроматина — длинных, спиральных нитей ДНК в каждой клетке — которые «открыты» для связывания транскрипционных факторов. «ATAC-seq является возможной альтернативой множественным экспериментам ChIP-seq. Я называю это ChIP-seq для бедного человека», — говорит Миральди.

Анализ информации ATAC-seq также потребовал нескольких других инструментов, включая обширную базу данных (CisBP) предпочтений связывания транскрипционных факторов для тысяч транскрипционных факторов. База данных CisBP была собрана командой во главе с детским вычислительным биологом Цинциннати Мэтью Вейроухом, доктор философии.

Если модернизированный алгоритм Inferelator окажется столь же полезным, как и ожидалось, это может помочь уменьшить некоторые потребности в исследованиях на животных. Миральди говорит, что вместо того, чтобы тратить месяцы на выращивание сотен тщательно генно-модифицированных мышей, чтобы получить адекватный запас целевого типа клеток, можно получить достоверные результаты, используя образцы клеток всего от двух или трех мышей, говорит Миральди.

Необходимы дополнительные исследования, чтобы применить и улучшить новый метод

Миральди и его коллеги уже начали проводить два исследования, связанных с этим открытием.

В одном проекте применяется новый метод конструирования TRN для иммунных клеток кишечника in vivo.

Другой проект направлен на усовершенствование нового метода, чтобы его можно было применять к еще более мелким образцам, таким как образцы, выделенные от пациентов-людей с использованием одноклеточной геномики ./p>

Похожие новости

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *