Un nuevo método de aprendizaje automático mejora nuestra comprensión de la identidad celular
La identidad celular se refiere a las propiedades y características únicas que distinguen un tipo de célula de otro dentro de un organismo. Esta identidad está determinada por la expresión de ciertos genes, que controlan la producción de proteínas que dan a las células sus funciones y estructuras especiales.
La activación y expresión de genes revelan similitudes en los patrones celulares según el tipo y la función en todos los tejidos y órganos. Comprender estos patrones mejora nuestra comprensión de las células y ofrece información sobre los mecanismos que revelan las enfermedades subyacentes.
El advenimiento de las técnicas de transcripción espacial ha permitido a los científicos examinar la expresión génica en el contexto de muestras de tejido en su conjunto. Sin embargo, son necesarias nuevas técnicas computacionales para procesar esta información y facilitar la identificación y comprensión de estos patrones de expresión génica.
Un equipo de investigación dirigido por Jian Ma, Profesor Rye de Biología Computacional y Stephanie Lin en la Escuela de Ciencias de la Computación de la Universidad Carnegie Mellon, desarrolló[{” attribute=””>machine learning tool to fill this gap. Their paper on the method, called SPICEMIX, recently appeared as the cover story of Nature Genetics.
SPICEMIX helps researchers untangle the role different spatial patterns play in the overall gene expression of cells in complex tissues like the brain. It does so by representing each pattern with spatial metagenes — groups of genes that may be connected to a specific biological process and can display smooth or sporadic patterns across tissue.
The team, which included Ma; Benjamin Chidester, a project scientist in the Computational Biology Department; and Ph.D. students Tianming Zhou and Shahul Alam, used SPICEMIX to analyze spatial transcriptomics data from brain regions in mice and humans. They leveraged the unique capabilities of SPICEMIX to uncover the landscape of the brain’s cell types and spatial patterns.
“We were inspired by cooking when we chose the name,” Chidester said. “You can make all sorts of different flavors with the same set of spices. Cells may work in a similar way. They may use a common set of biological processes, but the specific combination they use gives them their unique identity.”
When applied to brain tissues, SPICEMIX identified spatial patterns of cell types in the brain more accurately than other methods. It also uncovered new expression patterns of brain cell types through the learned spatial metagenes.
“These findings may help us paint a more complete picture of the complexity of brain cell types,” Zhou said.
The number of studies using spatial transcriptomics technologies is growing rapidly, and SPICEMIX can help researchers make the most of this high-volume, high-dimensional data.
“Our method has the potential to advance spatial transcriptomics research and contribute to a deeper understanding of both basic biology and disease progression in complex tissues,” Ma said.
Reference: “SpiceMix enables integrative single-cell spatial modeling of cell identity” by Benjamin Chidester, Tianming Zhou, Shahul Alam, and Jian Ma, 9 January 2023, Nature Genetics.
DOI: 10.1038/s41588-022-01256-z
“Defensor de la Web. Geek de la comida galardonado. Incapaz de escribir con guantes de boxeo puestos. Apasionado jugador”.