SpaceMarkers 是一种新的机器学习软件,由约翰霍普金斯融合研究所和约翰霍普金斯 Kimmel 癌症中心的研究人员开发,可以识别肿瘤内部和周围不同类型细胞之间的分子相互作用。
SpaceMarkers 利用通过空间转录组学获得的信息——一种尖端技术,可提高根据组织样本在细胞中的位置测量基因表达的能力。了解单个细胞的分子特征和肿瘤微环境(肿瘤内部和周围的细胞)中细胞间相互作用的影响对于区分肿瘤进展的决定因素至关重要。
介绍 SpaceMarkers 及其在不同类型癌症中的应用的研究作为封面文章发表在 2023 年 4 月号的《细胞系统》杂志上。
高表达基因通常与某些过多的细胞类型、主要生物过程或细胞类型之间的显着相互作用有关,而这些在健康组织中并不常见。资深研究作者、肿瘤学定量科学部主任兼 Convergence Institute 联合主任 Elana Fertig 博士解释说,由于各种原因,基因在细胞中表达,其中一些基因可能导致癌症进展的高风险.
“SpaceMarkers 可以帮助癌症研究人员确定基因是否因细胞间相互作用而过度表达,”Fertig 说。“它还可以识别与感兴趣基因相关的特定细胞间相互作用。这一新信息可以为研究人员提供进一步的途径,以了解导致癌症的因素或回答为什么有些患者对某些治疗有反应而其他患者没有反应。”
SpaceMarkers 的工作原理是从空间转录组数据中看到的单个细胞类型中识别高活性区域,主要研究作者 Atul Deshpande 博士解释说,他是约翰霍普金斯大学 Fertig 实验室的博士后研究员。来自两种细胞类型的高活性区域被确定为细胞间相互作用的位点。然后,该算法从两种细胞类型的相互作用中识别出分子变化。
Deshpande 说,该软件有两种操作模式。一种是简单的差异表达模式,可识别在细胞间相互作用位点具有显着更高表达的基因,表明这种相互作用导致基因以更高的速率表达。但是,该软件没有考虑细胞群的空间变化。第二种(残差模式)在考虑了空间转录组数据中识别的所有细胞群后,识别出具有显着更高表达的基因。
标签:
免责声明:本文由用户上传,如有侵权请联系删除!