Международная группа ученых, в которую вошел студент МГУ, предложила новый инструмент для картирования типов клеток в тканях организма, основанный на данных клеточной и пространственной транскриптомики. Использование информации о количестве РНК, синтезируемой каждым типом клеток, в сочетании с современными вычислительными методами позволяет исследовать тонкую структуру тканей с недоступной ранее чувствительностью. Исследователи продемонстрировали эффективность своей разработки в экспериментах с тканями мозга мыши, локализовав ранее неизвестный подтип астроцитов.
© Andrej Vodolazhskyi/shutterstock
Все клетки в теле имеют одинаковый геном, однако значительно различаются как по строению, так и по выполняемым функциям. Развитие технологий секвенирования РНК отдельных клеток (scRNA-seq) показало, что клетки человеческого организма куда более разнообразны, чем считалось ранее — сейчас известны сотни различных типов. Сложность организма, однако, обеспечивается не только наличием большого количества выполняющих разные роли клеток, но также и их взаимодействием на уровне тканей и даже целых органов.
Задача картирования типов клеток в тканях важна как с позиций фундаментальной науки, так и для медицины. Новейшие технологии пространственной транскриптомики помогают ее решить: клетки разного типа синтезируют различный набор РНК (транскриптом) и белков (протеом), что позволяет отличить их друг от друга. Если разбить образец ткани на участки, то по результатам анализа состава РНК из каждого удается предположить, клетки какого типа находятся в том или ином месте. Этот подход, однако, создает ряд дополнительных сложностей. Во-первых, в ткани может быть множество слабо отличающихся по составу РНК типов клеток, например, стромального происхождения, что существенно усложняет их идентификацию. Во-вторых, размер исследуемых участков ткани обычно оказывается значительно больше среднего размера клеток, в результате чего в каждый попадает смесь РНК из различных типов, что не делает обработку результатов проще. С учетом этих ограничений нельзя обойтись ручным трудом исследователей — необходимы масштабируемые вычислительные методы.
Международная группа, в состав которой вошел студент факультета фундаментальной физико-химической инженерии МГУ Артем Шматко, разработала инструмент cell2location, который выявляет пространственное распределение типов клеток на основе данных секвенирования отдельных клеток и пространственной транскриптомики. Система сравнивает количество РНК в пространственных данных с эталонными профилями экспрессии РНК для присутствующих в ткани типов, определяя точное количество разных клеток в каждом из экспериментально изученных участков. Cell2location эффективно корректирует различные источники экспериментальных погрешностей, что позволяет интегрировать клеточную и пространственную транскриптомику с более высокой чувствительностью, чем существующие инструменты.
Использование предложенного инструмента уже привело к новым научным открытиям. Так, исследователи смогли локализовать в мозгу мыши новый тип астроцитов — второго по важности (после нейронов) типа клеток мозга, выполняющего структурные, гомеостатические, а также репаративные функции.
«Наши эксперименты показали, что cell2location универсален и позволяет находить редкие типы клеток, которые невозможно обнаружить традиционными для гистологии методами. Теперь в руках исследователей есть новый мощный инструмент, и я верю, что он поможет нам продвинуться дальше в понимании тонкой структуры тканей, в особенности мозга», – прокомментировал Артем Шматко.
Статья опубликована в журнале Nature Biotechnology
Источник: msu.ru
Источник: sci-dig.ru
