BiGCN aprende estados funcionales de células B integrando transcriptomas de células únicas y repertorios de BCR

Área de la Ciencia:

• Inmunología
• Biología Computacional
• Medicina de Sistemas

Sus antecedentes:

• Las células B (linfocitos B) son cruciales para las respuestas inmunitarias y las enfermedades.
• Analizar la diversidad de las células B es un desafío debido a los análisis separados de transcriptómica y repertorio de receptores de células B (BCR).
• Los métodos existentes luchan por integrar completamente estos distintos tipos de datos para una caracterización completa de las células B.

Objetivo del estudio:

• Desarrollar un método computacional novedoso, BiGCN, para el análisis integrado de datos de transcriptómica de células únicas y repertorio de BCR.
• Permitir la caracterización de alta fidelidad de los estados de células B y las relaciones clonales unificando estas modalidades.
• Mejorar la anotación funcional y la comprensión biológica de las poblaciones de células B.

Principales métodos:

• Desarrolló BiGCN, un método que utiliza un marco de red convolucional gráfica (GCN).
• Integra datos emparejados de secuenciación de ARN de célula única (scRNA-seq) y secuenciación de BCR de célula única (scBCR-seq).
• Aplicó BiGCN a diversos conjuntos de datos, incluyendo enfermedades infecciosas, autoinmunidad y cáncer.

Principales resultados:

• BiGCN supera significativamente a los métodos existentes en integración de datos, anotación funcional y descubrimiento biológico.
• Recapitula con éxito las trayectorias de maduración de células B y cambio de clase de inmunoglobulina.
• Descubre subtipos de células B intermedias y estados funcionales previamente no identificados.

Conclusiones:

• BiGCN proporciona una plataforma versátil y robusta para la investigación de células B.
• El método mejora la caracterización de los estados de células B y la dinámica clonal.
• BiGCN acelera los descubrimientos en inmunología, biología del cáncer y medicina de sistemas.