通过将单细胞分析技术与机器学习算法相结合 团队开发了

研究人员说，一种用于分析单个人体细胞数据的新方法可能是诊断某些最具破坏性的疾病(包括癌症和自身免疫性疾病)的第一步。

通过将单细胞分析技术与机器学习算法相结合，由Garvan医学研究所的研究人员领导的团队开发了一种“指纹”人类细胞的方法。

该方法被称为“ scPred”，已发表在《基因组生物学》杂志上，它有可能允许早期发现癌症，识别自身免疫性疾病根源的细胞，并有助于个性化针对个别患者的治疗。

Garvan-Weizmann细胞基因组学中心主任Joseph Powell副教授说：“我们已经开发出一种新方法来鉴定非常特殊的细胞类型，这使我们处于医学诊断领域一个重要的新前沿。”他领导了这项研究，目前正在努力将该方法转化为临床诊断方法。

仔细观察人体细胞

“长期以来，我们主要根据在细胞表面或细胞内部发现的有限数量的标记物，对人体中的不同细胞进行分类。我们现在了解到的是，在一个'类型'下面有一个不同细胞类型的多样性-例如，即使不同的癌细胞都可能具有相同的细胞表面标记，但实际上这些细胞中只有一个亚组可能形成转移性肿瘤。”鲍威尔副教授解释说。

研究人员开发了一种分析单个细胞转录本的新方法-一种测量在不同细胞中活跃的基因的方法，该方法提供了有关使细胞独特的广泛信息。

团队的方法scPred解决了确定大量生成的转录数据中哪些可以提供定义细胞类型的最有用信息的难题。

“我们的scPred方法首先会折叠单个单元格中的所有转录数据-而不是立即尝试估计20,000个事物，而是找出这20,000个中的哪些模式在区分一种细胞类型与另一种细胞类型方面最具预测力。

第一作者JoséAlquicira-Hernández解释说：“ scPred然后在这些模式上训练统计模型，以测试哪些特征使某个细胞类型与另一个细胞“最不同”，这可以被认为是唯一的指纹。”昆士兰大学的学生。

诊断的新维度

一旦确定了某种细胞类型的“指纹”，研究人员就可以使用训练有素的模型在世界上任何地方的数据集中的任何其他样品中寻找相同的细胞类型。研究人员已使用美国斯坦福大学合作者分析的结直肠癌细胞数据集验证了scPred方法。使用scPred模型，研究人员能够以超过98%的准确度从组织样本中识别癌细胞。

研究人员说，他们的方法极大地改善了细胞类型的分辨率，并可能发现超出当前医学诊断范围的患病细胞。

翻译给病人

得益于先进的单细胞测序方法，研究人员可以在单个细胞的转录本中拍摄20,000多种不同信息的快照，并且一次可以对成千上万个细胞进行快照-新方法为诊断应用打开了技术之门，第一次。

通过Garvan-Weizmann细胞基因组学中心，研究人员现在进入将方法转换为临床实践认可测试的下一阶段。

“我们的scPred方法为我们提供了更早发现的可能性;它可能使我们能够确定癌症患者的阶段，他们将对哪些潜在药物做出反应，或者他们的肿瘤细胞是否具有表明对化学疗法产生抗药性的特征。新方法是巨大的。”鲍威尔副教授说。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！