Computational Tool übersetzt komplexe Daten in vereinfachte 2-dimensionale Bilder

Anonim

In ihrem Bestreben, mehr über die Variabilität von Zellen zwischen und innerhalb von Geweben zu erfahren, haben biomedizinische Wissenschaftler Werkzeuge entwickelt, die in der Lage sind, gleichzeitig Dutzende von Eigenschaften einzelner Zellen zu messen. Diese Technologien haben jedoch zu neuen Herausforderungen geführt, da Wissenschaftler nun damit zu kämpfen haben, wie sie den resultierenden Datenfundus sinnvoll machen können. Jetzt kann eine Lösung zur Hand sein. Forscher der Columbia University und der Stanford University haben eine computergestützte Methode entwickelt, mit der Wissenschaftler "hochdimensionale" Daten visualisieren und interpretieren können, die von Einzelzell-Messtechnologien wie der Massenzytometrie erzeugt werden. Die in der Online-Ausgabe von Nature Biotechnology veröffentlichte Methode hat besondere Relevanz für die Krebsforschung und -therapeutik.

Forscher verstehen jetzt, dass Krebs innerhalb eines Individuums Subpopulationen von Zellen mit unterschiedlichen molekularen Eigenschaften beherbergen kann. Gruppen von Zellen können sich unterschiedlich verhalten, auch wenn sie auf die Behandlung ansprechen. Die Fähigkeit, einzelne Zellen zu untersuchen sowie Subpopulationen von Krebszellen innerhalb eines Individuums zu identifizieren und zu charakterisieren, könnte zu präziseren Methoden der Diagnose und Behandlung führen.

"Unsere Methode wird es Wissenschaftlern nicht nur ermöglichen, die Heterogenität von Krebszellen zu erforschen und arzneimittelresistente Krebszellen zu charakterisieren, sondern Ärzten auch die Tumorprogression zu verfolgen, arzneimittelresistente Krebszellen zu identifizieren und winzige Mengen an Krebszellen zu erkennen, die zunehmen das Risiko eines Rückfalls ", sagte Co-Senior-Autor Dana Pe'er, PhD, Associate Professor für biologische Wissenschaften und Systembiologie an der Columbia. Der andere Co-Senior Autor ist Garry P. Nolan, PhD, Professor für Mikrobiologie und Immunologie in Stanford.

Die Methode namens visNE (Visual Interactive Stochastic Neighbor Embedding) basiert auf einem ausgeklügelten Algorithmus, der hochdimensionale Daten (z. B. einen Datensatz, der viele verschiedene simultane Messungen aus einzelnen Zellen enthält) in visuelle Darstellungen ähnlich der zweidimensionalen "Streuung" umsetzt Plots "-die einfachen Graphen mit X- und Y-Achsen, die viele Menschen in der Highschool-Mathematik und -Biologie kennenlernen. "Im Grunde bietet VISNE eine Möglichkeit, sehr hochdimensionale Daten in zwei Dimensionen zu visualisieren, während die wichtigste Organisation und Struktur der Daten beibehalten wird", sagte Dr. Pe'er. "Farbe wird als dritte Dimension verwendet, damit Benutzer verschiedene Merkmale der Zellen interaktiv visualisieren können."

Die Software viSNE kann Messungen von Dutzenden von molekularen Markern analysieren. In den resultierenden zweidimensionalen Karten repräsentiert der Abstand zwischen Punkten den Grad der Ähnlichkeit zwischen einzelnen Zellen. Die Karten können klar definierte Zellgruppen mit unterschiedlichen Verhaltensweisen (z. B. Arzneimittelresistenz) aufdecken, selbst wenn sie nur einen winzigen Bruchteil der Gesamtpopulation ausmachen. Dies sollte die Entwicklung von Möglichkeiten zur physikalischen Isolierung und Untersuchung dieser Zellsubpopulationen im Labor ermöglichen.

Obwohl der Algorithmus, der der Methode zugrunde liegt, komplex ist, erwartet Dr. Pe'er, dass alle Forscher, unabhängig von ihrem mathematischen Fachwissen, in der Lage sein werden, viSNE zu verwenden.

Um den Nutzen der Software zu demonstrieren, verwendeten Dr. Pe'er und ihre Kollegen Massenzytometrie und viSNE, um Knochenmarkzellen von Patienten mit akuter myeloischer Leukämie zu untersuchen. Derzeit können Kliniker höchstens 4 bis 8 Marker zur Beurteilung der Zellen einbeziehen. Da Massenzytometrie und viSNE viel mehr Marker enthalten können, ist viSNE in der Lage, feinere Unterschiede zwischen Zellen zu identifizieren. Mithilfe des Algorithmus konnten Dr. Pe'er und ihre Kollegen in den von ihnen untersuchten Knochenmarkszellen bisher nicht erkannte Heterogenität aufdecken.

Die Forscher zeigten auch, dass viSNE minimale Resterkrankungen (MRD) nachweisen kann - extrem kleine Mengen von Krebszellen, die nach einer Chemotherapie persistieren und das Risiko eines erneuten Auftretens erhöhen. "In Blindtests konnten wir aus zehntausenden gesunden Zellen nur 20 Krebszellen finden", sagte Dr. Pe'er. Solch eine kleine Anzahl von Zellen ist selbst von erfahrenen Pathologen äußerst schwierig zu erkennen.

"Die Fähigkeit, MRD zu erkennen, ist entscheidend für die Heilung von Krebs", fügte Dr. Pe'er hinzu. "Sogar 99, 9 Prozent eines Tumors zu eliminieren führt nicht zu einer Heilung. Sie müssen in der Lage sein, winzige Zellpopulationen zu finden und dann zu eliminieren, die die Therapie überleben und zu einem Rückfall der Krankheit führen können."