通过算法检测细胞类型组成变化,对心肌梗塞后心脏重塑进行新的洞察力
Brian Gural1, Logan Kirkland2,3, Abbey Hockett1
1Department of Genetics and Computational Medicine Program, UNC School of Medicine, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA.
bioRxiv : the preprint server for biology
|August 16, 2024
概括
这项研究开发了一种算法来纠正大量RNA测序数据中的细胞类型丰富性,提高识别差异表达基因和理解心血管疾病的准确性. 该方法准确地识别了心脏组织中细胞组成的变化.
科学领域:
- 心血管生物学 心血管生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞测序的进步凸显了细胞类型组合在疾病中的作用.
- 准确测量心脏组织中的细胞组成是具有挑战性的,因为大心肌细胞.
- 在基因表达分析中忽视细胞类型组成,可能导致显著的错误阳性.
研究的目的:
- 从大量RNA测序 (RNAseq) 数据中准确计算细胞类型组成的算法方法的开发和验证.
- 在差异基因表达 (DEG) 分析中纠正细胞类型丰度,特别是在心血管研究的背景下.
- 调查心肌细胞特异性α1A上腺素受体 (CM-α1A-AR) 淘汰对心脏细胞类型组成和心肌梗塞后基因表达的影响.
主要方法:
- 实施了一种使用单核RNA测序 (snRNAseq) 数据集的算法,作为大量RNAseq数据解卷的参考.
- 应用了强大的数据清理,基因选择和多样本跨主体和跨细胞类型解密技术.
- 利用心肌细胞特异性α1A上腺素受体 (CM-α1A-AR) 淘汰的小鼠接受冠状动脉绑定,分析心脏梗塞边界区域转录组并用RNAscope验证发现.
主要成果:
- 未经纠正的DEG分析揭示了细胞类型特定的基因和与心肌细胞分化相关的丰富术语.
- 该算法在心脏病发作后的α1A-AR淘汰赛小鼠中发现了显著的心肌细胞损失和纤维细胞增加,而在野生型小鼠中没有观察到.
- 经过校正的DEG分析突出显示了与心脏收缩和丝组织相关的新基因和途径,与观察到的心力衰竭表型相关.
结论:
- 开发的算法准确地纠正了大量RNAseq数据集中的细胞类型丰度.
- 这种方法使得对心血管疾病中的新基因和途径进行新的研究成为可能.
- 有助于更好地了解心脏细胞类型在疾病进展中的特定作用.
