从单细胞转录组预测巨细胞的空间定位,以揭示疾病机制

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 免疫学 免疫学 免疫学

背景情况:

• 单细胞RNA测序 (scRNA-seq) 在细胞被隔离时失去关键的空间信息.
• 具有隔间解剖学的器官,如脏,在空间重建方面提出了独特的挑战.
• 了解细胞位置对于解释细胞功能和疾病病理学至关重要.

研究的目的:

• 开发和验证一种算法 (MERLIN) 来从分隔器官中的scRNA-seq数据中重建位置信息.
• 为了研究免疫细胞在内定位的可预测性.
• 探索与细胞位置相关的功能性和疾病特异性的转录基因特征.

主要方法:

• 来自不同脏区的独立免疫细胞scRNA-seq数据集的生成.
• 机器学习算法的培训和评估,包括修改的多层感知器.
• 在健康和疾病模型中预测细胞位置的MERLIN的应用 (新月球球膜炎,急性损伤,糖尿病病).
• 定位转录指纹和丰富路径的分析.

主要成果:

• 在预测老鼠和人类脏中居住巨细胞的位置方面,MERLIN获得了超过75%的准确性.
• 灵活的免疫细胞,如淋巴细胞,不能通过位置准确地预测.
• 积极的转录基因数据显示了微环境反应和适应途径的丰富,显着的性别偏差.
• 在病模型中,MERLIN成功预测了巨细胞局部化,并与已知的病理学和特定区域的治疗疗效保持一致.
• 该算法还被训练来预测大脑微质细胞的空间分布.

结论:

• 默林能够在解剖学上定义的器官中空间解释scRNA-seq数据.
• 该算法通过将细胞位置与功能和反应联系起来,增强了对疾病过程的机械洞察力.
• 默林为复杂组织中的空间转录学提供了一个强大的工具.