算法提供了对细胞发育的深入了解

通过RNA测序，研究人员可以测量哪些基因在样品的每个单个细胞中表达。一种新的统计方法允许研究人员从由异步阶段组成的细胞混合物中推断出不同的发育过程。HelmholtzZentrumMünchen的研究人员与慕尼黑技术大学的同事们在Nature Methods杂志上发表了这一发现。

今天，细胞生物学不再只关注静态，而是试图了解细胞的动态发展。对此的一个实例是形成各种类型的血细胞，例如来自其前体的血红细胞或内皮细胞，血液干细胞。为了理解这个过程是如何进行遗传控制的，科学家们通过转录组分析来分析哪些基因是表达的。

“对我而言，我们现在甚至能够确定单细胞的转录组仍然令人惊讶“主要作者Laleh Haghverdi说，”尤其是当人们意识到典型的细胞只含有几皮克的RNA时。这些数据的可用性现在开始彻底改变许多研究领域，但需要新的统计方法来解释这些“例如，样本的所有单元格都不会同步开始它们的开发，它们的开发需要不同的时间长度。因此，我们总是在处理动态混合物，“HelmholtzZentrumMünchen计算生物学研究所(ICB)的博士生Haghverdi补充道。”从这个过程构建多个步骤是非常困难的，特别是因为细胞仅适用于一次测量。“

欢迎来到伪时代

为了从单个时间点的测量来解密发展过程，准快照测量，由ICB主任Fabian Theis博士教授领导的研究人员开发了一种称为扩散伪定法的算法来解释单细胞测序数据。该算法在虚拟时间线上对细胞进行排序 - 伪时间 - 沿着它们显示转录组中的连续变化。因此，可以重建哪些基因顺序表达。通过这种方法，研究人员可以图形显示不同细胞类型的发育路径的分支谱系。

“例如，我们可以展示一个相对均匀的血液干细胞群如何发展成不同的细胞类型，”研究负责人Theis说。“有些人变成了红细胞，有些则分化成内皮细胞。我们可以根据单细胞的转录组数据追踪这些命运。” 此外，科学家还获得了关于哪些基因开关的信息。发现处于不同发育阶段的相对分散的细胞混合物可以在计算机上解开，并且在分析之后，提供正在进行的各个步骤的清晰图像。

然而，这只是研究人员的开始，因为血液形成的过程相对容易理解。它们仅作为测试对象来确定方法的工作情况。“在未来，我们希望将重点放在迄今为止仍然难以捉摸的过程中，或者根本不会被发现的过程，”Theis说。