Представьте, что перед вами рассыпаны тысячи пазлов, и вы пытаетесь угадать, какая картина из них получится. Без подсказок это почти невозможно.

Так же и биологи сегодня сталкиваются с огромными массивами данных, полученных при анализе тысяч отдельных клеток. Геномной информации много, но без контекста трудно понять, как она связана со здоровьем и болезнями.

Ученые решают это, определяя типы клеток — как если бы сортировали пазлы по цвету или узору перед сборкой. Но если один исследователь группирует клетки по форме, а другой — по функции, сравнить их результаты сложно.

Команда Gladstone Institutes создала инструмент, который решает эту проблему. Метод CellWalker2 показывает, как типы клеток связаны между собой и какие группы могут влиять на здоровье.

Результаты опубликованы в издании Cell Genomics.

Раньше мы не учитывали, что одни клетки — как близкие родственники, а другие — как дальние, — говорит Кэти Поллард, руководитель исследования.

CellWalker2 использует иерархию: если точный тип клетки не ясен, алгоритм присвоит ей общую категорию.

Клетки не случайные ярлыки, — объясняет Чжируй Ху, один из разработчиков. — Два нейрона на разных стадиях развития похожи, а иммунная и мышечная клетки — совсем разные. CellWalker2 это учитывает.

Инструмент также помогает сравнивать данные разных лабораторий и даже видов. Например, он показал, какие участки ДНК активны в иммунных клетках и как мозг человека отличается от мозга мартышки.

CellWalker2 уже доступен ученым.

Теперь мы можем связать генетические мутации с конкретными клетками, — говорит Поллард. — Это ключ к пониманию болезней вроде аутизма или шизофрении.

Этот метод:

• Ускоряет анализ — вместо ручного сопоставления данных алгоритм автоматически находит связи.
• Унифицирует стандарты — разные лаборатории смогут сравнивать результаты без путаницы в терминах.
• Раскрывает механизмы болезней — показывает, какие именно клетки и гены вовлечены в патологии.
• Экономит ресурсы — уменьшает дублирование исследований за счет reuse данных.

Хотя CellWalker2 мощный инструмент, его точность зависит от качества входных данных. Если в оригинальных исследованиях клетки были mislabeled, ошибки перейдут и в анализ. Нужна валидация на независимых наборах данных.

Ранее ученые обнаружили память у биологических клеток.