一种研究单个细胞多种特性的新工具

费城儿童医院(CHOP)和新泽西理工学院(NJIT)的研究人员开发了新软件，该软件集成了来自单个细胞的各种信息，使研究人员能够看到细胞中的一个变化如何导致其他多个变化，并提供重要的信息查明遗传疾病确切原因的线索。

研究结果由NatureCommunications发表。

单细胞测序使研究人员能够观察细胞的特定方面，以确定它如何与其微环境相互作用。这在癌症研究中尤为重要，因为它可用于确定可能只影响一小部分细胞的突变的影响。在单细胞水平上，研究人员可以比以前更详细、更清晰地研究细胞内的基因表达以及信使RNA、蛋白质甚至细胞器。

然而，由于单个细胞的每一个特征都是单独研究的，它们之间的联系——例如，遗传变异如何直接影响信使RNA、蛋白质合成或表观遗传学——可能并不明显，即使在比较生成的数据时也是如此来自同一个细胞。

为了解决这种统计和计算难题，研究人员开发了一种自动化的单细胞多模式测序聚类软件工具，以同时分析跨多个生物过程的细胞内发生的情况，并更好地表征细胞变化之间的关系。

“有了这个工具，我们可以更好地将单个细胞理解为一个实体，而不仅仅是一个碎片化的单元，”CHOP应用基因组学中心主任、该论文的资深作者、医学博士HakonHakonarson说。学习。“这是一项重大进步，使我们能够将所有这些信息整合并置于生物学角度，这在考虑不同疾病的信息时尤为重要。”

该软件被称为单细胞多模式深度聚类(scMDC)，使用机器学习来分析有关单个细胞不同特征的数据。研究人员进行了大量的模拟和真实数据实验，发现scMDC在单细胞多模态数据集上的性能优于现有的单细胞单模态和多模态聚类方法。它还利用线性可扩展性，这意味着提供给scMDC的更多数据源会产生更好的结果。