Az IRIS a génaktivitásból követi vissza a sejtek fejlődési jeleit

A jel hatását követik vissza

A kialakuló szövetekben a szomszédos sejtek kémiai üzenetekkel befolyásolják egymás fejlődését. A jelátviteli útvonal az a reakciólánc, amely az üzenetet a génaktivitás változásává alakítja. A kutatók megfigyelése szerint az így létrejövő mintázat különböző sejttípusokban is felismerhető. Erre támaszkodva az IRIS korábban nem látott sejtekben is következtethet a kapott jelekre.

A tanítóadatokat emberi pluripotens őssejtekkel, vagyis többféle sejttípussá alakulni képes sejtekkel végzett, szabályozott kísérletek adták. A kutatók változtatták a jelek kombinációját és sorrendjét, majd rögzítették a sejtek válaszát. A nyilvános kísérleti adatrekord szerint ebből az atlaszból tanították a mintázatokat felismerő neurális hálózatot. Ezután egérembriók egyedi sejtjeinek génaktivitását elemezték vele, és azonos sejttípuson belül is eltérő jelátviteli állapotokat találtak.

Kísérlettel ellenőrizték a tüdőfejlődési előrejelzést

A szeptember 8-án, a Nature Methods folyóiratban megjelent tanulmány egérembriók szív-, bél-, izom- és idegszöveti fejlődési vonalaiban rekonstruált jelátviteli mintázatokat. A kutatás ábraleírásai szerint tenyésztett egérembrió-előbélszövetben a WNT jelátviteli útvonal hatását is vizsgálták. Egy emberi őssejtekre kidolgozott eljárásban ezután korábban kezdték és hosszabb ideig tartották fenn a WNT-serkentést. Jellegzetes génmarkerekkel mérve javult a tüdő fejlődésében részt vevő támasztószövet, a légzőszervi mezenchima kialakulása. Ezek fejlődésbiológiai és laboratóriumi eredmények; klinikai diagnosztikai vagy terápiás alkalmazást nem igazolnak.

Más laborok is megvizsgálhatják a módszert

A szerzők nyilvános kódja egysejtes RNS-szekvenálási adatokkal dolgozik: az RNS-molekulák mérése alapján becsüli a génaktivitást. A méréseket és a hozzájuk tartozó adatokat az egysejtes elemzésben használt AnnData adattárolóban várja, sejttípusra, kísérleti sorozatra és ismert jelátviteli állapotra vonatkozó címkékkel. Betölthető hozzá előtanított modell, de új modell is tanítható, majd ábrázolhatók a becsült állapotok. A kutatók a gépi tanulási lépésekhez grafikus processzort javasolnak; példafüzeteket és az ábrák újraalkotását segítő szkripteket is közölnek.