La méthode neuve améliore le rendement et l'exactitude de l'ordonnancement unicellulaire d'ARN

Pendant l'ère du médicament personnalisé, les scientifiques emploient des analyses génétiques et génomiques neuves pour les aider pour déterminer la meilleure demande de règlement pour un patient donné. Dans le cas du cancer, la première étape vers ces demandes de règlement est une recherche sur la façon dont les cellules tumorales se comportent dans un effort pour figurer à l'extérieur les meilleurs médicaments pour employer pour les attaquer.

Les chercheurs emploient alors l'ADN et l'ARN ordonnançant pour regarder des populations des cellules, examinant quels gènes sont exprimés dans un échantillon de tissu cancéreux. Cependant, les méthodes de ordonnancement traditionnelles peuvent cacher ce fait que pas toutes les cellules tumorales se comportent forcément de la même manière. L'identification de ceci signifie que si vous visez une tumeur avec un type de traitement spécifique, quelques cellules peuvent être juste assez différentes pour survivre et prospérer.

Dans une avancée majeure pour la génomique, il est maintenant possible de regarder ce qu'une cellule fait à un moment donné avec un ordonnancement unicellulaire appelé d'ARN de technique (scRNA-seq). Cette méthode regarde la quantité de messager RNAs (ARNm) dans une cellule et compare ceux à d'autres cellules pour rechercher des différences dans l'expression du gène.

Cependant, quelles informations vous trouvez peut dépendre de la façon dont votre passage votre expérience et de la façon dont les caractéristiques s'analysent. Lana Garmire, Ph.D., professeur agrégé du service du médicament de calcul et bio-informatique au médicament du Michigan et à son équipe étudie des voies d'éliminer certaines des polarisations qui peuvent rendre interprétant des caractéristiques scRNA-seq difficile.

Le « beaucoup de le bruit dans ce type d'ordonnancement vient du fait que vous devez mesurer des échantillons en quantité inférieure extrême et dans différents lots, » il explique. Par exemple, le prélèvement de tissu qu'un chercheur analyse peut ne pas s'adapter d'une plaque, un appareil employé pour renfermer des échantillons de cellules, et doit pour cette raison être divisé sur deux plaques. Les différences qui surgissent en raison de ce fractionnement sont des effets appelés en lots. Les chercheurs génomiques doivent rectifier pour ces effets en lots, mais ce procédé peut soulever une énigme : comment savez-vous si une différence est un effet en lots ou une différence vraie entre les cellules ?

Utilisations neuves pour des caractéristiques

La bio-informatique est la condition pour rassembler et analyser des caractéristiques biologiques complexes utilisant des programmes informatiques. C'est un inducteur relativement neuf porté hors de la capacité de recueillir d'énormes quantités de caractéristiques biologiques, telles que l'ADN et les séquences protéiques.

Les chercheurs comptent sur des techniques de bio-informatique pour déterminer quels gènes sont exprimés en cellules. Mais ils ont dû travailler autour du bruit introduit par différents protocoles de recherches et effets en lots. Garmire, qui a récent joint l'UM de l'université d'Hawaï et est le faisceau neuf de bio-informatique de Faculté de Médecine de directeur Université du Michigan de corps enseignant, a découvert plus de moyen efficace de recenser des différences entre les cellules utilisant le même ensemble de caractéristiques produites pendant l'ordonnancement des expériences. Au lieu de compter sur l'expression du gène, il a trouvé cela regarder ce qui sont connus pendant que les variantes uniques de nucléotide (SNVs) peuvent éliminer une partie de cette incertitude. « De SNVs, vous traitez les numéros qui sont binaires, 0 et 1. L'un ou l'autre la mutation est là ou pas. »

Indiquez que des gènes se composent des nucléotides représentés par les lettres A, T, G et C qui composent un indicatif qui est traduit en protéine. La méthode de Garmire recherche des différences en nucléotides uniques, sachant qu'A peut seulement être remplacé par T et un G par AC. Ces travaux récents, décrits dans des transmissions de nature, ont élaboré un ensemble neuf de procédures pour traiter des caractéristiques scRNA-seq et pour rechercher cette information variable. De plus, utilisant un programme informatique SSrGE appelé, elles peuvent lier cette information variable à l'information plus traditionnelle d'expression du gène.

« Ceci nous fournit l'information sur différentes sous-populations des cellules tumorales et devient tri de comme une empreinte digital qui peut être marquée pour recenser des différences de cellule-à-cellule, » dit Garmire.

Ce que signifie il toute

Éventuel, les sociétés pharmaceutiques et les cliniciens emploient ces objectifs pour guider des demandes de règlement pharmaceutiques. « Quand vous voulez attaquer l'édition, vous vous y mettez en attaquant les caractéristiques principales de cette édition : les mutations. Les cliniciens peuvent pouvoir employer cette information plus tard pour guider leur thérapeutique. » Garmire attend avec intérêt de porter la bio-informatique hors du laboratoire, aidant les chercheurs qui amassent un grand nombre de caractéristiques pour les employer et pour développer des applications cliniques en aval. « Nous divisons le fuselage et nous spécialisons mais finalement, est-ce que vous devez-vous examiner holistique et demander, que suis moi faisant et qui est-elle cette aide ? Nous développons les outils de calcul pour amener des chercheurs de bio-informatique et pour mettre hors jeu des scientifiques et des cliniciens ensemble pour brancher les points et pour apporter éventuel la modification.

Source : http://www.med.umich.edu/