Combinar la secuenciación de ARN con un algoritmo de aprendizaje para la identificación de células individuales en las muestras de biopsia
Por el equipo editorial de LabMedica en español Actualizado el 30 Dec 2019 |
Imagen: Representación artística de la superficie de una célula dendrítica humana que ilustra procesos en forma de láminas que se pliegan sobre la superficie de la membrana (Fotografía cortesía de Wikimedia Commons)
En un artículo reciente se publicó un método generalizado para clasificar a las células individuales en función de su conjunto de datos transcripcionales.
La secuenciación de ARN de una célula individual ha permitido la caracterización de tipos de células altamente específicos en muchos tejidos, así como líneas celulares derivadas, tanto de células madre, como primarias. Un aspecto importante de este enfoque es la capacidad de identificar las firmas transcripcionales que definen un tipo o estado celular. En teoría, se puede utilizar esta información para clasificar una célula individual en función de su perfil transcripcional.
Para probar esta teoría, los investigadores del Instituto Garvan de Investigación Médica (Sídney, Australia) desarrollaron el método scPred. ScPred fue diseñado para colapsar todos los datos de transcripción obtenidos de la secuenciación de scARN de las células individuales. Luego, se entrenó un algoritmo para generar un modelo estadístico con el fin de analizar cuáles de la características incrustadas en estos datos hacían que cierto tipo de célula fuera más diferente de los otros tipos de celdas.
Los investigadores aplicaron scPred a datos de scARN-seq de tejido pancreático, células mononucleares, biopsias de tumor colorrectal y células dendríticas circulantes. El algoritmo de aprendizaje incorporó un gran número (del orden de 20.000) de pequeñas diferencias en el promedio y la varianza de la expresión génica entre diferentes tipos de células para llegar a un modelo de predicción.
Con el fin de validar el enfoque scPred, los investigadores utilizaron conjuntos de datos de células de cáncer colorrectal analizadas inicialmente por colaboradores de la Universidad de Stanford (Palo Alto, EUA) para identificar células cancerosas individuales dentro de una muestra de tejido con una exactitud superior al 98%.
“Nuestro método scPred nos brinda la posibilidad de una detección más temprana; puede permitirnos determinar la etapa de un paciente con cáncer, a qué medicamentos potenciales responderán o si sus células tumorales tienen firmas que indican resistencia a la quimioterapia”, dijo el autor principal, el Dr. Joseph Powell, director del laboratorio de genómica unicelular y computacional del Instituto Garvan de Investigación Médica. “El potencial de este nuevo método es enorme. Hemos desarrollado una nueva forma de identificar tipos de células muy específicos, lo que nos ha puesto al comienzo de una nueva frontera significativa en el diagnóstico médico. Durante mucho tiempo hemos clasificado principalmente diferentes células en el cuerpo humano con base en un número limitado de marcadores encontrados en la superficie celular o dentro de la célula. Lo que aprendemos ahora es que debajo de un “tipo”, hay una gran diversidad de diferentes tipos de células, por ejemplo, aunque diferentes todas las células cancerosas podrían tener los mismos marcadores de superficie celular, solo un subgrupo de esas células puede formar un tumor metastásico”.
El artículo sobre scPred se publicó en la edición en línea del 12 de diciembre de 2019 de la revista Genome Biology.
Enlace relacionado:
Instituto Garvan de Investigación Médica
Universidad de Stanford
La secuenciación de ARN de una célula individual ha permitido la caracterización de tipos de células altamente específicos en muchos tejidos, así como líneas celulares derivadas, tanto de células madre, como primarias. Un aspecto importante de este enfoque es la capacidad de identificar las firmas transcripcionales que definen un tipo o estado celular. En teoría, se puede utilizar esta información para clasificar una célula individual en función de su perfil transcripcional.
Para probar esta teoría, los investigadores del Instituto Garvan de Investigación Médica (Sídney, Australia) desarrollaron el método scPred. ScPred fue diseñado para colapsar todos los datos de transcripción obtenidos de la secuenciación de scARN de las células individuales. Luego, se entrenó un algoritmo para generar un modelo estadístico con el fin de analizar cuáles de la características incrustadas en estos datos hacían que cierto tipo de célula fuera más diferente de los otros tipos de celdas.
Los investigadores aplicaron scPred a datos de scARN-seq de tejido pancreático, células mononucleares, biopsias de tumor colorrectal y células dendríticas circulantes. El algoritmo de aprendizaje incorporó un gran número (del orden de 20.000) de pequeñas diferencias en el promedio y la varianza de la expresión génica entre diferentes tipos de células para llegar a un modelo de predicción.
Con el fin de validar el enfoque scPred, los investigadores utilizaron conjuntos de datos de células de cáncer colorrectal analizadas inicialmente por colaboradores de la Universidad de Stanford (Palo Alto, EUA) para identificar células cancerosas individuales dentro de una muestra de tejido con una exactitud superior al 98%.
“Nuestro método scPred nos brinda la posibilidad de una detección más temprana; puede permitirnos determinar la etapa de un paciente con cáncer, a qué medicamentos potenciales responderán o si sus células tumorales tienen firmas que indican resistencia a la quimioterapia”, dijo el autor principal, el Dr. Joseph Powell, director del laboratorio de genómica unicelular y computacional del Instituto Garvan de Investigación Médica. “El potencial de este nuevo método es enorme. Hemos desarrollado una nueva forma de identificar tipos de células muy específicos, lo que nos ha puesto al comienzo de una nueva frontera significativa en el diagnóstico médico. Durante mucho tiempo hemos clasificado principalmente diferentes células en el cuerpo humano con base en un número limitado de marcadores encontrados en la superficie celular o dentro de la célula. Lo que aprendemos ahora es que debajo de un “tipo”, hay una gran diversidad de diferentes tipos de células, por ejemplo, aunque diferentes todas las células cancerosas podrían tener los mismos marcadores de superficie celular, solo un subgrupo de esas células puede formar un tumor metastásico”.
El artículo sobre scPred se publicó en la edición en línea del 12 de diciembre de 2019 de la revista Genome Biology.
Enlace relacionado:
Instituto Garvan de Investigación Médica
Universidad de Stanford
Últimas Diagnóstico Molecular noticias
- Enfoque revolucionario de análisis de células T permite detección temprana del cáncer
- Prueba genética única podría acelerar el diagnóstico de trastornos raros del desarrollo
- Analizador de pruebas sindrómicas actualizado permite acceso remoto a resultados de pruebas
- Prueba de PCR para infecciones respiratorias y de garganta detecta múltiples patógenos con síntomas coincidentes
- Técnica de enriquecimiento de ácido nucleico circulante en sangre permite diagnóstico no invasivo del cáncer de hígado
- Primera prueba molecular aprobada por la FDA para detectar malaria en donantes de sangre podría mejorar seguridad del paciente
- Prueba de biomarcadores líquidos detecta enfermedades neurodegenerativas antes de que aparezcan síntomas
- Nuevo método genómico ayuda a diagnosticar pacientes con enfermedad renal inexplicable
- Nuevo hidrogel inteligente allana el camino para nueva "piruleta" para diagnóstico de cáncer de boca
- Prueba de biomarcadores podría mejorar diagnóstico del cáncer de endometrio
- Prueba de ADN en heces de próxima generación supera a PIF en detección del cáncer colorrectal
- Innovador análisis de sangre de pTau217 es tan preciso como imágenes cerebrales o pruebas del LCR para diagnosticar Alzheimer
- Sistema de RT-PCR en el punto de atención de 10 minutos detecta hasta 32 objetivos por muestra
- Células extraídas de orina podrían permitir detección más temprana de enfermedad renal
- Análisis de sangre identifica a personas con mayor riesgo de morir por insuficiencia cardíaca
- Análisis de sangre muestra precisión del 83 % para detectar cáncer colorrectal