Il nuovo metodo migliora il risparmio di temi e l'accuratezza di ordinamento unicellulare del RNA

Nell'era di medicina personale, gli scienziati stanno usando le nuove comprensioni genetiche e genomiche per aiutarli per determinare il migliore trattamento per un paziente dato. Nel caso di cancro, il primo punto verso questi trattamenti è una ricerca su come le celle del tumore si comportano in uno sforzo per capire le migliori droghe per usare per attaccarle.

I ricercatori poi usano il DNA ed il RNA che ordinano per esaminare le popolazioni delle celle, esaminanti quali geni sono espressi all'interno di un campione del tessuto cancerogeno. Tuttavia, i metodi d'ordinamento tradizionali possono nascondere quel fatto che non tutte le celle del tumore necessariamente si comportano allo stesso modo. Non riconoscere questo significa che se mirate ad un tumore con un tipo specifico di droga, alcune celle possono essere appena abbastanza differenti sopravvivere a e prosperare.

In un avanzamento importante per genomica, ora è possibile esaminare cui un unicellulare sta facendo in qualunque momento con una tecnica chiamata ordinamento unicellulare del RNA (scRNA-seguente). Questo metodo esamina la quantità di messaggero RNAs (mRNAs) in una cella e confronta quelli ad altre celle per cercare le differenze nell'espressione genica.

Tuttavia, che informazioni trovate può dipendere da come la vostra esecuzione il vostro esperimento e da come i dati sono analizzati. Lana Garmire, Ph.D., professore associato del dipartimento di medicina di calcolo & bioinformatica alla medicina del Michigan ed al suo gruppo sta studiando i modi eliminare alcune delle tendenziosità che possono rendere interpretando i dati scRNA-seguenti difficile.

“Il molto disturbo in questo tipo di ordinamento viene dal fatto che dovete misurare i campioni in quantità bassa estrema e nei batch differenti,„ lei spiega. Per esempio, il campione che di tessuto un ricercatore sta analizzando non può adattarsi su una lastra grossa, un pezzo di strumentazione utilizzato per alloggiare i campioni delle cellule e quindi deve essere spaccato su due lastre grosse. Le differenze che sorgono dovuto questa spaccatura sono chiamate effetti in lotti. I ricercatori di genomica devono correggere questi effetti in lotti, ma questo trattamento può sollevare un'enigma: come sapere se una differenza è un effetto in lotti o una differenza vera fra le celle?

Nuovi usi per i dati

La bioinformatica è il termine per la raccolta ed analizzare dei dati biologici complessi facendo uso dei programmi informatici. È un campo relativamente nuovo sopportato dalla capacità di riunire gli importi enormi dei dati biologici, quali le sequenze della proteina e del DNA.

I ricercatori contano sulle tecniche di bioinformatica per determinare quali geni sono espressi in unicellulari. Ma hanno dovuto lavorare intorno al disturbo introdotto con i protocolli della ricerca e gli effetti differenti in lotti. Garmire, che recentemente ha unito il U-M dall'università di Hawai ed è la nuova memoria di bioinformatica della facoltà di medicina di Direttore università del Michigan della facoltà, ha scoperto un più modo efficace di identificazione delle differenze fra le celle facendo uso dello stesso insieme dei dati redatti durante l'ordinamento degli esperimenti. Invece di contare sull'espressione genica, ha scoperto che quello esamina che cosa sono conosciuti mentre le singole varianti del nucleotide (SNVs) possono eliminare alcuna di questa incertezza. “Di SNVs, state occupando dei numeri che sono binari, 0 e 1. Qualsiasi la mutazione è là o non.„

Richiami che i geni si compongono dei nucleotidi rappresentati dalle lettere A, T, G e C che compongono un codice che è tradotto in proteina. Il metodo di Garmire cerca le differenze in singoli nucleotidi, sapenti che A può essere sostituito soltanto da T e da un G da corrente alternata. Questo lavoro recente, descritto nelle comunicazioni della natura, ha elaborato un nuovo insieme delle procedure per elaborare i dati scRNA-seguenti e per recuperare questi informazioni variabili. Più ulteriormente, facendo uso di un programma informatico chiamato SSrGE, possono collegare questi informazioni variabili ad informazioni più tradizionali di espressione genica.

“Questo ci fornisce le informazioni sulle sottopopolazioni differenti delle celle del tumore e si trasforma in in ordinamento come di un'impronta digitale che può essere tracciata per identificare le differenze della cella--cella,„ dice Garmire.

Che cosa tutto significa

Infine, i produttori di droga ed i clinici usano questi obiettivi per guidare i trattamenti farmaceutici. “Quando volete attaccare l'emissione, andate attaccando le funzionalità fondamentali di quell'emissione: le mutazioni. I clinici possono potere usare in seguito questi informazioni per guidare la loro terapeutica.„ Garmire aspetta con impazienza di portare la bioinformatica dal laboratorio, aiutante i ricercatori che raccolgono un gran numero di dati per usarli e sviluppare le applicazioni cliniche a valle. “Dividiamo l'organismo su e ci specializziamo ma a fine giornata, dovete guardare olistico e chiedere, che cosa sono io che faccio e chi è questo aiuto? Stiamo sviluppando gli strumenti di calcolo per riunire i ricercatori di bioinformatica e scienziati e clinici del banco connettere i punti ed infine fare il cambiamento.

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