Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Lo strumento novello permette alla caratterizzazione di multi-risoluzione delle tassonomie molecolari

La scoperta dei gruppi o categorie novelli all'interno delle malattie, organismi e trattamenti biologici e la loro organizzazione nelle relazioni gerarchiche è gli inseguimenti importanti e ricorrenti nella biologia e nella medicina, che possono contribuire a delucidare le vulnerabilità gruppo-specifiche e gli interventi terapeutici infine novelli.

Ora un nuovo studio presenta una metodologia di calcolo novella e un software tool associato chiamati K2Taxonomer, che supportano la scoperta e l'annotazione automatizzate delle classificazioni molecolari ai livelli multipli di risoluzione dalla massa di alto-capacità di lavorazione e dai dati unicellulari “di omics„.

Lo studio comprende uno studio finalizzato che dettaglia l'analisi del transcriptome dei linfociti di tumore-infiltrazione del petto (globuli bianchi nel sistema immunitario, aka nel TILs) su una base unicellulare, che si espande significativamente sopra i risultati precedenti e montra l'incorporazione dei metodi (prodotto dal computer che modella) in un flusso di lavoro in silico avanzato dell'analisi.

Il nostro studio presenta una valutazione completa e un esteso benchmarking dei dati sul simulati su e reali di metodo, che mostrano in modo convincente la sua alta precisione, la sua prestazione superiore una volta confrontato ad altri metodi rappresentativi e la sua capacità (con riferimento a) scopre la classificazione molecolare intercalata conosciuta.„

Eric Reed, PhD, autore di studio primo e neo-laureato del programma di bioinformatica, scuola di medicina di Boston University

I ricercatori hanno trovato che l'analisi di K2Taxonomer-based dei dati unicellulari dal petto TILs ha caratterizzato un'impronta trascrizionale comune ai sottoinsiemi a cellula T immuni multipli. D'importanza, l'analisi ha trovato che l'attivazione di questa impronta è associata con la migliore sopravvivenza nei pazienti di cancro al seno.

“Il nostro studio indica alcune delle funzionalità di ché risposta immunitaria dell'efficace cancro assomiglierebbe. Non solo potrebbe questo permetterci di predire meglio come i pazienti di cancro al seno andranno dopo la diagnosi, ma egualmente rivela alcuni programmi immuni specifici che devono essere migliorati per generare la risposta immunitaria dell'uccisore di a (letteralmente),„ l'autore Stefano corrispondente aggiunto Monti, il PhD, professore associato di medicina alla scuola di medicina di Boston University (BUSM).

Secondo Monti, l'identificazione e la caratterizzazione dei tipi differenti delle cellule all'interno di un tumore, del suo microenvironment e di una comprensione più profonda della loro interferenza, sono essenziali per migliorare i meccanismi di comprensione dell'inizio, della progressione e della sensibilità del cancro agli approcci di intervento. Dice che la metodologia di recente sviluppato può applicarsi ugualmente all'analisi di altre componenti di un tumore, compreso i tipi differenti di celle maligne, di stroma del tumore (tessuto complementare) e di adipocytes Cancro-associati (una cella specializzata per lo stoccaggio di grasso.)

Source:
Journal reference:

Reed, E. R & Monti, (2021) Multi-resolution characterization of molecular taxonomies in bulk and single-cell transcriptomics data. Nucleic Acid Research. doi.org/10.1093/nar/gkab552.