Modelado predictivo de la actividad molecular subyacente a las interacciones físicas célula-célula

Área de la Ciencia:

• Inmunología Inmunología.
• Biología computacional Biología computacional.
• La genómica es la genómica.

Sus antecedentes:

• Las interacciones célula-célula son cruciales para la función tisular y el desarrollo de la enfermedad.
• El etiquetado de las asociaciones inmunes mediante la clasificación de los contactos intercelulares (LIPSTIC) cuantifica las interacciones físicas directas.
• Secuenciación de ARN de una sola célula (scRNA-seq) perfiles transcriptomas intracelulares.

Objetivo del estudio:

• Para presentar Gloss (lasso de grupo en scRNA-seq), un marco de modelado predictivo.
• Para vincular sistemáticamente la actividad de genes y vías con la intensidad de la interacción medida por LIPSTIC.
• Proporcionar un marco computacional para el análisis de los datos LIPSTIC+scRNA-seq.

Principales métodos:

• Desarrolló el marco de modelado predictivo Gloss.
• Aplicó la regresión de lasso de grupo para vincular la expresión génica con los datos de interacción.
• Gloss validado frente a los enfoques basados en correlación y regresión estándar.

Principales resultados:

• Gloss supera a los métodos existentes para vincular la actividad génica con la fuerza de la interacción celular.
• Características moleculares identificadas de las interacciones de las células T mieloides en la inmunoterapia anti-Ctla4.
• Interacciones descritas entre las subpoblaciones de células T durante la infección viral.

Conclusiones:

• Gloss es un marco interpretable y eficaz para el análisis de datos LIPSTIC+scRNA-seq.
• El marco prioriza los genes y las vías que impulsan la comunicación celular.
• Gloss avanza en el estudio de las interacciones célula-célula en la salud y la enfermedad.