Η μέθοδος AI προβλέπει τον τρόπο με τον οποίο τα κύτταρα οργανώνονται σε μικροπεριβάλλον ασθενειών

Οι ερευνητές του Πανεπιστημίου της Καλιφόρνια του Σαν Ντιέγκο έχουν αναπτύξει μια νέα μέθοδο τεχνητής νοημοσύνης (AI) που μπορεί να προβλέψει πώς τα κύτταρα οργανώνονται σε μικροπεριβάλλοντα ασθένειας. Η μέθοδος, που ονομάζεται SC-ATAC-Seq, μπορεί να εντοπίσει σπάνιους κυτταρικούς τύπους και τις αλληλεπιδράσεις τους εντός σύνθετων ιστών. Αυτές οι πληροφορίες θα μπορούσαν να βοηθήσουν τους ερευνητές να κατανοήσουν καλύτερα τον τρόπο με τον οποίο αναπτύσσονται και εξαπλώνονται οι ασθένειες και ενδεχομένως να οδηγήσουν σε νέες θεραπείες.

"Με την κατανόηση του τρόπου με τον οποίο τα κύτταρα οργανώνονται σε μικροπεριβάλλοντα ασθένειας, μπορούμε να αποκτήσουμε πληροφορίες για τους μηχανισμούς ασθενειών και να αναπτύξουμε στοχοθετημένες θεραπείες", δήλωσε ο Δρ Bing Ren, καθηγητής κυτταρικής και μοριακής ιατρικής στο UC San Diego και ανώτερος συγγραφέας της μελέτης.

Επί του παρόντος, οι επιστήμονες χρησιμοποιούν συνήθως αλληλουχία RNA ενός κυττάρου (scRNA-seq) για να μελετήσουν την γονιδιακή έκφραση σε μεμονωμένα κύτταρα. Ενώ το scRNA-seq παρέχει πολύτιμες πληροφορίες για τα γονίδια που είναι ενεργά σε ένα κύτταρο, δεν μπορεί να παρέχει πληροφορίες σχετικά με τις αλληλεπιδράσεις του κυττάρου με άλλα κύτταρα στον ιστό.

Το SC-ATAC-Seq αντιμετωπίζει αυτόν τον περιορισμό χρησιμοποιώντας μια τεχνική που ονομάζεται δοκιμασία για προσδιορισμό αλληλουχίας χρωματίνης που είναι προσβάσιμη με τρανσποζάση (ATAC-Seq). Το ATAC-Seq μετρά την προσβασιμότητα του DNA σε τρανσποζάσες, οι οποίες είναι ένζυμα που μπορούν να εισάγουν DNA στο γονιδίωμα. Οι ανοιχτές περιοχές χρωματίνης συνδέονται συνήθως με ενεργά γονίδια, ενώ οι κλειστές περιοχές χρωματίνης σχετίζονται με ανενεργά γονίδια. Το SC-ATAC-Seq συνδυάζει το ATAC-Seq με scRNA-seq για να παρέχει πληροφορίες τόσο για την έκφραση γονιδίων όσο και για την προσβασιμότητα χρωματίνης σε μεμονωμένα κύτταρα.

"Διαπιστώσαμε ότι το SC-ATAC-Seq μπορεί να εντοπίσει σπάνιους πληθυσμούς κυττάρων που συχνά χάνονται από το scRNA-seq μόνο", δήλωσε ο Δρ Xinyu Zhao, ο πρώτος συγγραφέας της μελέτης και ένας μεταδιδακτορικός ερευνητής στο UC San Diego. "Για παράδειγμα, μπορέσαμε να εντοπίσουμε έναν πληθυσμό καρκινικών βλαστικών κυττάρων που είναι υπεύθυνοι για την ανάπτυξη και τη μετάσταση του όγκου".

Οι ερευνητές ανέπτυξαν περαιτέρω ένα σύνολο υπολογιστικών εργαλείων για την ανάλυση των δεδομένων SC-ATAC-Seq και την πρόβλεψη της οργάνωσης των κυττάρων σε μικροπεριβάλλοντα ιστών. Αυτά τα εργαλεία επιτρέπουν στους ερευνητές να παράγουν χωρικούς χάρτες των κυττάρων και να εντοπίζουν αλληλεπιδράσεις σπάνιων κυττάρων-κυττάρων που μπορεί να είναι σημαντικές για την ανάπτυξη της νόσου.

"Πιστεύουμε ότι το SC-ATAC-Seq θα είναι ένα πολύτιμο εργαλείο για τη μελέτη ενός ευρέος φάσματος ασθενειών, συμπεριλαμβανομένου του καρκίνου, των νευροεκφυλιστικών ασθενειών και των αυτοάνοσων ασθενειών", δήλωσε ο Ren. "Θα μπορούσε επίσης να χρησιμοποιηθεί για την ανάπτυξη νέων θεραπειών που στοχεύουν συγκεκριμένες αλληλεπιδράσεις κυττάρου-κυττάρου εντός των μικροπεριβάλλοντων της νόσου".

Η μελέτη δημοσιεύθηκε στο περιοδικό Nature Biotechnology.