同様のヒト細胞のスケーラブルな検索のための細胞アトラスの基礎モデル

科学分野:

• ゲノミクス
• コンピューター生物学
• 細胞生物学

背景:

• 単細胞RNAシーケンシング (scRNA-seq) は,ヒト細胞の膨大なデータセットを生成しました.
• これらのアトラスを分析することで 細胞と疾患の関連や in vivo-in vitro の関係が明らかになります
• 大規模なscRNA-seqデータには一般的な細胞類似度測定と検索方法が必要です.

研究 の 目的:

• 細胞プロファイルの統一表現のためのメトリック学習フレームワーク"SCimilarity"を開発する.
• 何百万もの細胞のプロフィールを 素早く調べるため
• 大規模な単細胞アトラスから生物学的な洞察を容易にする.

主な方法:

• 単一のセル表現のためのメトリック学習フレームワークであるSCimilarityを開発しました.
• 412のscRNA-seq研究から2340万個の細胞アトラスをクエリするためにSCimilarityを適用した.
• 実験的に検証された in vitro モデル.

主要な成果:

• SC類似性は,多様な単細胞プロフィールの迅速かつ統一されたクエリを可能にします.
• 線維性疾患の細胞プロフィールと 腸内肺疾患のマクロファージと 線維芽細胞の細胞プロフィールを特定した.
• 3Dヒドロゲルシステムは,特定のマクロファージの細胞状態を再現することを実験的に確認した.

結論:

• SC類似性は単細胞プロフィールの基礎モデルとして機能します.
• 人体全体で似た細胞状態を 問い合わせることができます
• ヒューマン・セル・アトラスから生物学的洞察を生み出すための強力なツールを提供します.