CLADES:クローン細胞の運命と分化ダイナミクスを明らかにするためのハイブリッドのNeuralODE-Gillespieアプローチ

科学分野:

• コンピュータ生物学
• 幹細胞生物学
• ゲノミクス

背景:

• 系統追跡単細胞配列化 (LT-scSeq) は,細胞の微分化のクローン分析を可能にします.
• クローン特異的運動における異質性は,集団動態に対する幹細胞の貢献の理解を制限する.
• 既存のバーコードシステムは,定量的運動解釈のための強化された分析フレームワークを必要とします.

研究 の 目的:

• LT-scSeqデータからクローンと集団特有の運動性を推定するための計算フレームワーク (CLADES) を開発する.
• 系統樹を定量的に再構築し 細胞分裂の動態を分析する
• 幹細胞集団における異質な細胞行動の起源を調査する.

主な方法:

• ストキャスティックシミュレーションアルゴリズム (SSA) を含むNeuralODEベースのフレームワークを使用した.
• 運動モデリングのための統合微分遺伝子発現 (DEGs) 分析.
• 新しいデータセットと既存のデータセットの両方に適用されます.

主要な成果:

• CLADESはクローン特異的および集団レベルの差別化運動を正確に推定します.
• 定量的な系統樹を再構築し,細胞分裂ダイナミクスを要約しました.
• メタクローン特異的な行動を誘発する血液形成幹細胞と祖先細胞の特異的な転写状態を特定した.

結論:

• CLADESは,タイムシリーズの実験でクローン特有の微分化運動量を定量化するための,スケーラブルで堅牢な方法を提供します.
• このフレームワークは,幹細胞のダイナミクスを理解するためのLT-scSeqデータの解釈性を高めます.
• 異なる転写状態が異質な幹細胞のクローン行動の基礎であることを明らかにした.