Predicción de la localización espacial de macrófagos a partir de transcriptomas de células únicas para descubrir...

Área de la Ciencia:

• Genómica
• Biología Computacional
• Inmunología

Sus antecedentes:

• La secuenciación de ARN de células únicas (scRNA-seq) pierde información espacial crucial cuando las células se aíslan.
• Los órganos con anatomía compartimentada, como el riñón, presentan desafíos únicos para la reconstrucción espacial.
• Comprender la ubicación celular es vital para interpretar la función celular y la patología de la enfermedad.

Objetivo del estudio:

• Desarrollar y validar un algoritmo (MERLIN) para reconstruir información posicional a partir de datos de scRNA-seq en órganos compartimentados.
• Investigar la predecibilidad de la localización de células inmunes dentro del riñón.
• Explorar las firmas transcriptómicas funcionales y específicas de la enfermedad asociadas con la posición celular.

Principales métodos:

• Generación de conjuntos de datos independientes de scRNA-seq de células inmunes de distintos compartimentos renales.
• Entrenamiento y evaluación de algoritmos de aprendizaje automático, incluido un Perceptrón Multicapa modificado.
• Aplicación de MERLIN para predecir posiciones celulares en modelos sanos y de enfermedad (glomerulonefritis en semiluna, lesión renal aguda, nefropatía diabética).
• Análisis de huellas transcriptómicas posicionales y vías de enriquecimiento.

Principales resultados:

• MERLIN logró una precisión superior al 75% en la predicción de las posiciones de los macrófagos residentes en riñones murinos y humanos.
• Las células inmunes móviles, como los linfocitos, no fueron predecibles con precisión por posición.
• Los datos transcriptómicos posicionales revelaron un enriquecimiento en las vías de respuesta y adaptación al microambiente, con un notable sesgo sexual.
• MERLIN predijo con éxito la localización de macrófagos en modelos de enfermedad renal y se alineó con la patología conocida y la eficacia terapéutica en compartimentos específicos.
• El algoritmo también se entrenó para predecir la distribución espacial de la microglía cerebral.

Conclusiones:

• MERLIN permite la interpretación espacial de datos de scRNA-seq en órganos anatómicamente definidos.
• El algoritmo mejora la comprensión mecanicista de los procesos de enfermedad al vincular la ubicación celular con la función y la respuesta.
• MERLIN proporciona una herramienta poderosa para la transcriptómica espacial en tejidos complejos.