对表面标记物的计算识别,用于从异质癌细胞群中分离出不同的亚群
Andrea L Gardner1, Tyler A Jost1, Amy Brock1
1Department of Biomedical Engineering, The University of Texas at Austin.
bioRxiv : the preprint server for biology
|June 10, 2024
概括
了解瘤细胞亚群对于有效的癌症治疗至关重要. 一个新的计算工具,clusterCleaver,识别了独特的表面标记,以隔离这些多样化的癌细胞群体在体外.
科学领域:
- 癌症生物学 癌症生物学
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 瘤内异质性使癌症的进展和治疗疗效复杂化.
- 在体外研究不同的瘤细胞亚群是具有挑战性的,因为有限的生物系统.
- 单细胞RNA测序 (scRNA-seq) 揭示了癌症细胞系内的子群.
研究的目的:
- 开发一种计算方法,用于识别转录组次群的独特表面标记物.
- 为了使基因相似的癌细胞亚群在受控的体外环境中被隔离和研究.
- 通过实验验证计算方法.
主要方法:
- 开发了clusterCleaver,这是一个使用统计距离指标的计算包.
- 将clusterCleaver应用于scRNA-seq数据以识别候选表面标记物.
- 使用乳腺癌细胞系 (MDA-MB-231和MDA-MB-436) 和光激活细胞分类 (FACS) 的实验验证.
主要成果:
- clusterCleaver成功地确定了转录组亚群中独特的候选表面标记物.
- 证实ESAM是MDA-MB-231亚群的标记物.
- 证实BST2/tetherin是MDA-MB-436亚种群的标记物,使它们能够分离.
结论:
- clusterCleaver提供了一种高效且经过验证的工作流程,用于识别和丰富不同的癌细胞亚群.
- 这种工具有助于研究癌细胞亚种群动态在明确的体外系统.
- 鉴定到的表面标记物使得瘤异质性的实验操纵和分析成为可能.
