通过扰动屏幕重建单个细胞的信号历史,并转移学习

科学领域:

• 细胞生物学 细胞生物学
• 系统生物学 系统生物学
• 生物信息学是一种生物信息学.

背景情况:

• 细胞状态操纵对于诸如组织工程和疾病治疗等应用至关重要.
• 了解细胞信号状态和历史需要高通量发现方法,这是目前缺乏的.
• 现有的方法很难捕捉到细胞信号的动态和组合性质.

研究的目的:

• 开发一个集成的实验计算框架来推断体内组合信号活动.
• 创建一种高通量方法,用于发现蜂信号响应签名.
• 为了使复杂的生物系统中细胞信号的准确和暂时解析的映射.

主要方法:

• 在人类多能干细胞上使用多重序列组合屏幕生成了高通量信号扰动图谱.
• 开发了基于神经网络的模型IRIS,该模型基于扰动图谱进行训练.
• 将IRIS模型应用于小鼠胚胎单细胞RNA测序 (scRNAseq) 数据以进行体内推断.

主要成果:

• 在不同类型的细胞中发现了随着时间的推移组合信号代码使用的全球特征.
• 在单个细胞类型内的信号状态中发现了显著的生物学异质性.
• 成功重建了沿着各种细胞系的信号历史,具有高精度和时间分辨率.
• 证明IRIS通过减少实验性搜索空间来加快干细胞分化协议的优化.

结论:

• 不同类型的细胞共享强大且保存的信号响应特征.
• 开发的框架为绘制复杂的体内信号相互作用提供了一个可扩展的解决方案.
• 这种方法可以为治疗和工程目的指导有针对性的细胞干预.