Beräkningsverktyget översätter komplexa data till förenklade 2-dimensionella bilder

Värdera transformatorns energiförluster - Ett verktyg som underlättar (Juni 2019).

Anonim

I deras strävan att lära sig mer om cellernas variabilitet mellan och inom vävnader har biomedicinska forskare utvecklat verktyg som samtidigt kan mäta dussintals egenskaper hos enskilda celler. Dessa tekniker har lett till nya utmaningar, emedan forskare nu kämpar med hur man kan ge mening om den resulterande dataöverföringen. Nu kan en lösning finnas till hands. Forskare vid Columbia University och Stanford University har utvecklat en beräkningsmetod som gör det möjligt för forskare att visualisera och tolka "högdimensionella" data som produceras av encells mätteknik som masscytometri. Metoden, publicerad i online-utgåvan av Naturbioteknik, har särskild relevans för cancerforskning och terapi.

Forskare förstår nu att cancer inom en individ kan inneha subpopulationer av celler med olika molekylära egenskaper. Grupper av celler kan uppträda olika från varandra, inklusive hur de svarar på behandlingen. Förmågan att studera enskilda celler, liksom att identifiera och karakterisera subpopulationer av cancerceller inom en individ kan leda till mer exakta metoder för diagnos och behandling.

"Vår metod kommer inte bara att tillåta forskare att utforska heterogeniteten av cancerceller och att karakterisera drogresistenta cancerceller, utan också låta läkare spåra tumörprogression, identifiera drogresistenta cancerceller och upptäcka små mängder cancerceller som ökar risken för återfall ", säger medarbetare Dana Pe'er, doktor, docent i biovetenskap och systembiologi i Columbia. Den andra medförfattaren är Garry P. Nolan, doktor, professor i mikrobiologi och immunologi i Stanford.

Metoden kallad viSNE (Visual Interactive Stochastic Neighbour Embedding) baseras på en sofistikerad algoritm som översätter högdimensionella data (t.ex. en dataset som innehåller många olika samtidiga mätningar från enskilda celler) till visuella representationer som liknar tvådimensionell "scatter tomter "- de enkla graferna med X och Y axlar som många först träffar i gymnasietematik och biologi. "I grund och botten ger viSNE ett sätt att visualisera mycket högdimensionella data i två dimensioner, samtidigt som den viktigaste organisationen och strukturen i data behålls", säger Dr. Pe'er. "Färg används som en tredje dimension för att göra det möjligt för användarna att interaktivt visualisera olika funktioner hos cellerna."

ViSNE-programvaran kan analysera mätningar av dussintals molekylära markörer. I de tvådimensionella kartorna som representerar, representerar avståndet mellan punkter graden av likhet mellan enskilda celler. Kartorna kan avslöja klart definierade grupper av celler med olika beteenden (t.ex. läkemedelsresistens) även om de bara är en liten del av den totala befolkningen. Detta bör möjliggöra utformning av sätt att fysiskt isolera och studera dessa cellpopulationer i laboratoriet.

Även om den algoritm som ligger bakom metoden är komplex, förväntar sig Dr. Pe'er att alla forskare, oavsett deras nivå av matematisk expertis, kommer att kunna använda viSNE.

För att demonstrera programvarans verktyg använde Dr. Pe'er och hennes kollegor masscytometri och viSNE för att studera benmärgsceller från patienter med akut myeloid leukemi. För närvarande kan kliniker inkorporera högst 4 till 8 markörer för att utvärdera cellerna. Eftersom masscytometri och viSNE kan innehålla många fler markörer kan viSNE identifiera mer subtila skillnader mellan celler. Med hjälp av algoritmen kunde Dr. Pe'er och hennes kollegor avslöja tidigare okänd heterogenitet i de benmärgsceller som de studerade.

Forskarna visade också att viSNE kunde upptäcka minimal restsjukdom (MRD) - extremt små mängder cancerceller som kvarstår efter kemoterapi och öka risken för återfall. "I blinda tester kunde vi hitta så få som 20 cancerceller ur tiotusentals friska celler", säger Dr. Pe'er. En sådan liten mängd celler är extremt svår att upptäcka, till och med av den mest erfarna patologen.

"Förmågan att upptäcka MRD är avgörande för att bota cancer", tillade Dr. Pe'er. "Att eliminera även 99, 9 procent av en tumör leder inte till botemedel. Du måste kunna hitta och eliminera de små populationerna av celler som kan överleva terapi och leda till återfall av sjukdomen."