Un nou algoritm scLS îmbunătățește analiza traiectoriilor de expresie genică
Secvențierea ARN-ului la nivel de celulă unică (scRNA-seq) este o metodă utilizată pentru a măsura expresia genică a celulelor individuale, permițând observarea diverselor procese celulare, inclusiv diferențierea celulară, ciclul celular și răspunsul la stimuli pentru fiecare celulă în parte, spre deosebire de mediarea pe milioane de celule.
Acest tip de analiză oferă instantanee de înaltă rezoluție a proceselor biologice. Totuși, scRNA-seq nu urmărește aceeași celulă în mod continuu pe parcursul timpului. Pentru a aborda această limitare, au fost dezvoltate metode de inferență a traiectoriilor care aranjează computațional instantaneele celulare de-a lungul unei traiectorii de dezvoltare inferate, cunoscută sub numele de pseudotimp.
Progresele recente în algoritmii de inferență a traiectoriilor au permis cercetătorilor să genereze seturi de date ce conțin sute de mii sau chiar milioane de celule. Cu toate acestea, analizele ulterioare ale acestor traiectorii, în special identificarea genelor diferit exprimate (DEGs), rămân provocatoare. DEGs pot prezenta două tipare: gene a căror expresie se schimbă dinamic pe parcursul pseudotimpului și gene a căror expresie este modificată între două condiții. Deși analiza expresiei dinamice este mai frecvent utilizată, identificarea modelelor de expresie schimbate este, de asemenea, importantă.
În plus, celulele pot fi distribuite neregulat pe parcursul pseudotimpului, iar traiectoria inferată poate conține multiple ramificații, unde modelele convenționale necesită modele de regresie explicite sau atribuiri de ramuri. Este esențial să se dezvolte tehnici noi de analiză ulterioară care să capteze modelele DEGs și să gestioneze traiectoriile celulare complexe.
Într-un studiu recent, o echipă de cercetare condusă de Hitoshi Iuchi și Michiaki Hamada de la Facultatea de Știință și Inginerie a Universității Waseda din Japonia a dezvoltat un nou algoritm de analiză ulterioară, numit scLS. „scLS este o metodă computațională pentru identificarea genelor asociate cu pseudotimpul din datele de secvențiere ARN la nivel de celulă unică”, explică Iuchi. „Reduce necesitatea deciziilor arbitrare de corespondență a ramurilor și poate fi folosit pentru a prioritiza genele pentru o interpretare biologică mai detaliată.” Studiul lor a fost disponibil online pe 16 iulie 2026 și publicat în Volumul 54, Numărul 13 din Nucleic Acids Research pe 22 iulie 2026.
Metodele convenționale de analiză a traiectoriilor se bazează de obicei pe modele de regresie explicite care descriu expresia genică ca o funcție a pseudotimpului, ceea ce poate să nu capteze adecvat modelele complexe de expresie. În schimb, scLS utilizează periodograma Lomb-Scargle (LS), o tehnică de procesare a semnalelor concepută pentru datele eșantionate neregulat, pentru a reprezenta modelele de expresie genică în domeniul frecvenței. Aceasta permite algoritmului să analizeze datele de pseudotimp distribuite neregulat și să detecteze modele complexe de expresie în traiectorii ramificate fără a necesita modele de regresie explicite sau corespondență a ramurilor predefinite.
scLS suportă atât testul de expresie genică dinamică, cât și testul de expresie schimbată. Pentru ambele teste, datele din domeniul pseudotimpului pentru fiecare genă sunt mai întâi convertite în domeniul frecvenței prin intermediul periodogramei LS. Pentru testul de expresie genică dinamică, periodograma LS este utilizată pentru a evalua probabilitățile de alarmă falsă (FAPs) pe o grilă de frecvență predefinită, care sunt apoi folosite pentru a calcula valoarea P la nivelul genei, definită ca fiind minimum FAP pe frecvențele scanate. Pentru testul de expresie schimbată, periodogramele LS sunt calculate separat pentru două condiții pentru fiecare genă, cum ar fi variantele de tip sălbatic (WT) și knockout (KO), iar distanța între spectrele lor de putere este utilizată ca statistică de test observată pentru a calcula o valoare P cu coadă dreaptă sub o aproximare normală.
Prin simulări și seturi de date reale, scLS a demonstrat o performanță competitivă comparativ cu algoritmii convenționali în detectarea dinamicii dependente de pseudotimp în traiectorii ramificate, fiind, în același timp, mai eficient din punct de vedere computațional. Deși metoda nu poate localiza dinamica expresiei în ramuri sau linii specifice, poate servi ca un instrument eficient de screening inițial și poate fi completată de analize conștiente de linii pentru o interpretare biologică mai detaliată.
scLS poate fi aplicat în studiile de celule unice privind diferențierea, dezvoltarea, activarea imună, reprogramarea celulară, progresia bolii și răspunsul la medicamente, precum și pentru compararea celulelor de tip sălbatic și celule genetic perturbate, mostre netratate și tratate cu medicamente, sau celule sănătoase și asociate cu boli.
În concluzie, scLS oferă o abordare computațională eficientă pentru analiza ulterioară a traiectoriilor, oferind cercetătorilor o metodă flexibilă pentru identificarea genelor asociate cu pseudotimpul și avansând înțelegerea proceselor biologice complexe.
