在疾病、生物体和生物过程中发现新的群体或类别并将它们组织成等级关系是生物学和医学中重要且反复出现的追求,这可能有助于阐明特定群体的脆弱性并最终形成新的治疗干预措施。
现在,一项新研究引入了一种新的计算方法和一种称为 K2Taxonomer 的相关软件工具,它支持从高通量批量和单细胞“组学”数据中以多个分辨率水平自动发现和注释分子分类。该研究包括一个案例研究,详细介绍了在单细胞基础上对乳腺肿瘤浸润淋巴细胞(免疫系统中的白细胞,又名 TIL)转录组的分析,该研究显着扩展了先前的发现,并展示了这些方法的结合进入先进的计算机模拟(由计算机建模生成)分析工作流程。
“我们的研究对模拟和真实数据的方法进行了全面的评估和广泛的基准测试,令人信服地显示了它的高准确性、与其他代表性方法相比的优越性能以及(重新)发现已知嵌套分子分类的能力,”解释说。第一作者 Eric Reed 博士,最近毕业于 BU 生物信息学项目。
研究人员发现,基于 K2Taxonomer 的乳腺 TIL 单细胞数据分析表征了多个免疫 T 细胞亚群共有的转录特征。重要的是,分析发现该特征的激活与乳腺癌患者的更好生存相关。“我们的研究指出了有效的癌症免疫反应的一些特征。这不仅可以使我们更好地预测乳腺癌患者在诊断后的表现,而且还揭示了一些需要增强的特定免疫程序产生(字面上的)杀手级免疫反应,”通讯作者、波士顿大学医学院 (BUSM) 医学副教授 Stefano Monti 博士补充说。
根据 Monti 的说法,识别和表征肿瘤内的不同细胞类型、其微环境以及更深入地了解它们的串扰,对于更好地了解癌症发生、进展和对干预方法的敏感性的机制至关重要。他说,新开发的方法同样适用于分析肿瘤的其他成分,包括不同类型的恶性细胞、肿瘤基质(支持组织)和癌症相关脂肪细胞(一种专门用于储存脂肪的细胞)。
标签: 肿瘤
免责声明:本文由用户上传,如有侵权请联系删除!