研究人员发现动物保持细胞相同的方式

当一个细胞与其邻居不同时，癌症在皮肤，肌肉，肝脏或其他类型的组织中出现。尽管生物学家已经了解了很多关于组织在发育过程中如何形成的知识，但对于动物整个一生中同一组织的两个细胞是如何保持相同的知之甚少。

马里兰大学的研究团队首次发现一种名为ERI-1的调节蛋白有助于确保组织中的所有细胞保持彼此相同。这项工作涉及发展生物学家和计算机科学家之间的合作，后者通过机器学习分析贡献他们的专业知识。这一发现可以让生物学家更接近了解一些癌症和其他与年龄有关的疾病。

这项研究是在整个动物(蛔虫秀丽隐杆线虫)而不是培养细胞中进行的首次此类研究，发表于2016年8月1日的“细胞生物学杂志”。研究人员的方法揭示了动物用于维持基因表达的统一模式的一个重要机制。该团队使用机器学习软件对于快速，清晰地识别数据中的复杂模式至关重要。

“细胞可以看起来一样，行为相同，但是如何?肝脏充满了肝细胞，没有任何心脏细胞。维持组织需要发生很多，”安东尼何塞说。他是UMD细胞生物学和分子遗传学系的助理教授，也是该研究的资深作者。“这是一个隐藏在视线范围内的基本问题。我们现在提出的答案可以帮助我们更好地理解与年龄相关的疾病。”

结果表明，重复DNA的长切片可以在细胞与细胞之间不同地读取。研究人员发现，在健康组织中，ERI-1通过确保每个细胞在相同水平表达其基因来使这些差异正常化。当研究人员关闭在秀丽隐杆线虫中产生ERI-1 的基因时，在蠕虫的肠道中出现了异常的基因表达拼凑。

“为了理解这些过程，我们需要测量整个动物的单细胞差异，”何塞说。“我们必须知道哪个细胞与其他细胞有关，同时测量组织内所有细胞的各种特性。从技术上讲，实现这一目标非常困难。但是你不能在整个动物的背景下充分回答这些问题。”

为了实现这种复杂的分析，何塞和他的同事形成了意想不到的合作。主要作者海乐(BS '13，生物科学)，何塞实验室的本科研究员，现在是约翰霍普金斯大学医学院的学生，于2012年在UMD的生物科学日会议上发表了一张海报。未来的合作者Michael Bloodgood， UMD语言高级研究中心的副研究员停下来讨论Le的工作。两位研究人员很快发现了机器学习的潜力，有助于推动Le和Jose的分析。

“语言学家使用机器学习来比较文本块来识别名词和动词，分析句子结构并确定平均词长，例如，”何塞说。“Hai和Michael认识到我们可以使用相同的技术分析肠细胞中的基因表达。”

机器学习软件可以揭示人眼无法看到的复杂模式。顾名思义，可以教导软件寻找特定的模式，也可以从经验中“学习”，随后的每次分析都会变得更有效。使用这种方法使研究人员能够快速进行客观比较，这种比较本来是不可能的，使用其他方法。

研究人员之所以选择秀丽隐杆线虫是因为它是一种简单的生物体，可以在单个细胞水平的情况下轻松地进行研究。Jose指出，他们的技术广泛适用，并且可以修改以与其他基因和不同组织一起使用。如果其他人采用该团队的全动物方法，何塞认为这可能标志着细胞生物学家接近他们的实验设计的方式的转变。

“通常在培养的细胞中检查癌症药物的作用。我们的研究表明，对动物体外细胞的研究可能会遗漏很多东西。例如，培养的细胞可以显示基因表达的差异在整个动物中被消除，”何塞说。 。“我相信我们的研究结果可能会导致在细胞培养条件下如何模仿整只动物的思考方面发生一些变化。”