Une méthode d’apprentissage automatique améliore la compréhension de l’identité cellulaire
Français
Suivez-nous sur notre page Facebook et notre canal Telegram
Lorsque les gènes sont activés et exprimés, ils présentent des modèles dans les cellules qui sont similaires en type et en fonction dans les tissus et les organes. La découverte de ces modèles améliore notre compréhension des cellules, ce qui a des implications pour dévoiler les mécanismes de la maladie.
L’avènement des technologies de transcriptomique spatiale a permis aux chercheurs d’observer l’expression des gènes dans leur contexte spatial à travers des échantillons de tissus entiers. Mais de nouvelles méthodes de calcul sont nécessaires pour donner un sens à ces données et aider à identifier et à comprendre ces modèles d’expression génique.
Une équipe de recherche dirigée par Jian Ma, professeur Ray et Stephanie Lane de biologie computationnelle à l’école d’informatique de l’Université Carnegie Mellon, a développé un outil d’apprentissage automatique pour combler cette lacune. Leur article sur la méthode, appelé SPICEMIX, est paru en couverture du dernier numéro de Génétique naturelle.
SPICEMIX aide les chercheurs à démêler le rôle que jouent différents modèles spatiaux dans l’expression génique globale des cellules dans des tissus complexes comme le cerveau. Pour ce faire, il représente chaque modèle avec des métagènes spatiaux – des groupes de gènes qui peuvent être liés à un processus biologique spécifique et peuvent afficher des modèles lisses ou sporadiques à travers les tissus.
L’équipe, qui comprenait Ma; Benjamin Chidester, scientifique de projet au département de biologie computationnelle ; et doctorat. Les étudiants Tianming Zhou et Shahul Alam ont utilisé SPICEMIX pour analyser les données de transcriptomique spatiale des régions du cerveau chez la souris et l’homme. Ils ont tiré parti des capacités uniques de SPICEMIX pour découvrir le paysage des types de cellules et des modèles spatiaux du cerveau.
“Nous avons été inspirés par la cuisine lorsque nous avons choisi le nom”, a déclaré Chidester. “Vous pouvez créer toutes sortes de saveurs différentes avec le même ensemble d’épices. Les cellules peuvent fonctionner de la même manière. Elles peuvent utiliser un ensemble commun de processus biologiques, mais la combinaison spécifique qu’elles utilisent leur donne leur identité unique.”
Lorsqu’il est appliqué aux tissus cérébraux, SPICEMIX a identifié les schémas spatiaux des types de cellules dans le cerveau avec plus de précision que d’autres méthodes. Il a également découvert de nouveaux modèles d’expression de types de cellules cérébrales à travers les métagènes spatiaux appris.
“Ces résultats peuvent nous aider à brosser un tableau plus complet de la complexité des types de cellules cérébrales”, a déclaré Zhou.
Le nombre d’études utilisant les technologies de transcriptomique spatiale augmente rapidement, et SPICEMIX peut aider les chercheurs à tirer le meilleur parti de ces données volumineuses et de grande dimension.
“Notre méthode a le potentiel de faire progresser la recherche en transcriptomique spatiale et de contribuer à une meilleure compréhension de la biologie fondamentale et de la progression de la maladie dans les tissus complexes”, a déclaré Ma.
