Новый инструмент для автоматизации идентификации клеток в сложных наборах данных

от

Анализ данных секвенирования РНК отдельных клеток (scRNA-seq) имеет решающее значение для понимания сложных биологических процессов и развития заболеваний. Однако идентификация отдельных типов клеток в этих обширных наборах данных была серьёзной проблемой.

Международная исследовательская группа под руководством Университета Осаки разработала новый вычислительный инструмент — scODIN (Optimized Detection and Inference of Names in scRNA-seq data). Этот инструмент автоматизирует и оптимизирует сложный процесс идентификации клеток, открывая путь к более быстрым открытиям с высокоточной классификацией в биомедицине. Исследование [опубликовано](https://academic.oup.com/jimmunol/advance-article/doi/10.1093/jimmun/vkaf183/8239444) в The Journal of Immunology.

Как работает scODIN

scODIN решает задачу идентификации типов клеток, используя многоуровневую систему, которая позволяет пользователям определять конкретные подмножества клеток с разным уровнем детализации. Инструмент сначала автоматически идентифицирует основные клеточные кластеры, такие как Т-клетки, В-клетки и моноциты. Затем исследователи могут указать более детальные подмножества, например, регуляторные Т-клетки или Т-хелперы, внутри этих широких категорий.

Этот гибкий подход учитывает различные уровни разрешения в зависимости от вопроса исследования. Важно, что scODIN распознаёт клетки с промежуточными фенотипами или переходными состояниями, присваивая «двойные метки», которые фиксируют сложность, часто упускаемую традиционными методами. Кроме того, инструмент использует алгоритм k-ближайших соседей для восстановления идентичности клеток, пострадавших от событий dropout — распространённой проблемы в данных scRNA-seq, когда некоторые гены не обнаруживаются.

Преимущества scODIN

Автоматизация и оптимизированный подход, предлагаемые scODIN, обещают ускорить биомедицинские исследования. Освобождая исследователей от трудоёмкого процесса ручной аннотации, они могут сосредоточиться на интерпретации биологического смысла своих данных и более эффективно искать новые терапевтические пути. Повышение эффективности может привести к более быстрым открытиям, особенно в таких областях, как иммунология и исследования рака, где понимание клеточной гетерогенности имеет решающее значение для разработки персонализированных методов лечения.

«scODIN даёт исследователям возможность легко ориентироваться и анализировать сложные наборы данных scRNA-seq», — говорит доктор Джеймс Уинг, соавтор исследования. «Его автоматизированный и гибкий подход не только экономит время, но и раскрывает сложные детали о клеточных популяциях, открывая новые возможности для понимания механизмов заболеваний и разработки эффективных методов лечения».

Предоставлено: [Университет Осаки](https://phys.org/partners/university-of-osaka/)

Источник

Другие новости по теме

Другие новости на сайте