从无细胞转录组到单细胞景观:生物标志物发现和通过图表矩阵因子化进行原始细胞变异分析

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 无细胞RNA (cfRNA) 分析对临床诊断和精准医学具有前景.
• 目前的cfRNA研究往往缺乏详细的细胞起源分析,原因是大量数据的限制.
• 了解cfRNA生物标志物产生的细胞对于解释功能性改变至关重要.

研究的目的:

• 开发一个计算工具,CellFreeGMF,用于cfRNA生物标记物的发现.
• 为了使诊断分类和分析cfRNA起源细胞的变化.
• 通过细胞-细胞通信分析,研究疾病期间cfRNA起源细胞的功能变化.

主要方法:

• 在CellFreeGMF中实施的图形矩阵因子化方法.
• 对细胞间通信网络的分析.
• 对各种细胞自由RNA转录组临床数据集的验证.

主要成果:

• 细胞自由GMF成功识别了cfRNA生物标记物及其细胞起源.
• 在胰腺管道腺癌 (PDAC) 中,cfRNA的起源可追溯到髓状细胞和T细胞群.
• 在这些细胞群中,在疾病和正常状态之间观察到显著的转录组差异.

结论:

• CellFreeGMF提供了一种强大的方法来识别cfRNA生物标记物及其细胞起源.
• 该工具阐明了cfRNA起源细胞中的病理生理变化.
• CellFreeGMF促进了将cfRNA分析集成到精准医学的临床工作流程中.