בעיקרו של דבר, לכל התאים בגופו של אורגניזם יש את אותו תכנית גנטית, או גנום, אך מערך הגנים המתבטאים באופן פעיל בכל זמן נתון בתא קובע איזה סוג תא יהיה ותפקודו. כמה מהיר ביטוי גנים בתא יחיד משתנה לאורך זמן יכול לספק תובנה כיצד התאים עשויים להיות מתמחים יותר, אך גישות המדידה הנוכחיות מוגבלות. שיטה חדשה שפותחה על ידי חוקרים באוניברסיטת פן סטייט ואוניברסיטת ייל משלבת מידע מרחבי מהתא וכן נתונים מתאים שעובדו בזמנים שונים, ומשפרת את יכולתם של החוקרים להבין את הניואנסים של שינויי ביטוי גנים.
מאמר המתאר את השיטה, שנקרא Spvelo, מתפרסם בכתב העת ביולוגיה של גנוםו זה מחשב את מהירות ה- RNA, המתארת את הכיוון ואת קצב השינוי במהלך שעתוק-שלב של ביטוי גנים הכרוך בהעתקת הקוד הגנטי.
קבוצות גנים שונות באים לידי ביטוי בתא כאשר הם מופעלים, כאשר הם מגיבים לגירויים ובמהלך תהליך ההבחנה, המאפשר לתאים להתפתח לסוגי תאים ספציפיים. מהירות ה- RNA התגלתה כדרך למדוד את האופן בו שיעור ביטוי הגנים משתנה בתא, שיכול לספר לנו מידע חשוב על מצבו הנוכחי של התא ועל עתידו. השיטה החדשה שלנו מתגברת על אתגרים חשובים בשיטות קודמות, מה שהופך אותה לדרך מבטיחה וחזקה לחשב את מהירות ה- RNA וללמוד יותר על הפונקציות הרבות של תא. "
Wenxin Long, דוקטורנט בסטטיסטיקה במכללת המדע של פן סטייט אברלי ומדעי המחבר של העיתון
במהלך ביטוי גנים, ה- DNA מועבר לראשונה ל- RNA של Messenger (mRNA), הנושא את הקוד הגנטי שישמש לייצור חלבונים. אך לא משתמשים בכל רצף ה- mRNA; תחילה עליו לעבור תהליך שנקרא שחבור, המסיר קטעים הנקראים אינטרונים שאינם נושאים מידע קידוד, ומפזרים יחד את האקסונים שעושים. לאחר מכן ניתן לתרגם את ה- mRNAs המשובצים לרצף חלבון.
באמצעות טכניקה הנקראת רצף RNA חד-תאי (scrNA-seq), החוקרים יכולים לספור את מספר גדילי ה- RNA המשובצים ואלה שעדיין לא משוחקים. על ידי דוגמנות היחסים בין שפע RNA משוחק לבין לא מפוצל, החוקרים מסיקים אם גן מווסת ומווסת מטה. החוקרים אמרו כי שיעור זה של שינוי ביטוי משופע – מהירות RNA – הוא למעשה תמונת מצב של הגנים המופעלים או כבויים באופן פעיל בתא וניתן להשתמש בהם כדי להסיק ביטוי גנים עתידי.
"חוקר יכול לרצף את ה- RNA מתאים רבים בו זמנית, אך תאים שעובדו במועד מאוחר יותר או על ידי אנשים שונים או קבוצות מחקר יכולים לחוות תנאי מעבדה שונים במקצת שעשויים להשפיע על התוצאות", אמר לונג. "זה היה אתגר לשלב מספר קבוצות בניתוח אחד. השיטה שלנו יכולה להסביר את ההבדלים בין קבוצות מרובות, כך שנוכל לשלב כמות גדולה בהרבה של נתונים בניתוח אחד."
בנוסף לעיבוד מספר קבוצות בבת אחת, Spvelo משלבת מידע מרחבי חשוב מהתא, אמר לונג.
"סוגים חדשים יותר של נתוני רצף יכולים לספק מידע מרחבי, כמו למשל היכן התא ממוקם ברקמה", אמר לינגז'ו שואה, פרופסור לסטטיסטיקה במכללת פן סטייט אברלי למדע ומחבר משותף של העיתון. "כמה שיטות קודמות לחישוב מהירות ה- RNA הצליחו לשלב מידע מרחבי או קבוצות מרובות, אך לא את שניהם. שילוב השניים מאפשר לנו לאסוף את המידע הרב ביותר ממערכי נתונים מרחביים רב-אצווה."
השיטה החדשה מנצלת שני סוגים של רשתות עצביות-סוג של למידת מכונה-להתגבר על מגבלות קודמות. אחת הרשתות העצביות הללו, המכונה קידוד אוטומטי משתנה, מדגמת ביטוי גנים. הרשת העצבית השנייה, המכונה רשת קשב גרף, מאפשרת לחוקרים לשלב מידע מרחבי ואצווה מנתוני הרצף. המודל גם מהווה הבדלים בין קבוצות תוך שימוש במה שמכונה עונש מקסימאלי של אי -התאמה, המאפשר הסקת מהירות RNA על פני מערכי נתונים מרובים.
החוקרים סימנו את SPVELO עם מגוון שיטות קודמות המשתמשות במערך נתונים של ביטוי גנים מסרטן תאי קשקש אוראלי, סוג של סרטן, כמו גם מערך נתונים מרחבי מדומה של תאי לבלב המשמשים בדרך כלל על ידי החוקרים לבדיקת שיטות ולהשוות. החוקרים אמרו כי SPVELO ביצעה כמו גם או טובה יותר במגוון פרמטרים. השיטה, לדבריהם, הצליחה גם לספק דפוסי מסלול מורכבים יותר לתא, מה שמצביע על דפוסי ביטוי עתידיים וסוגי תאים או תת -סוגים שאפשריים שתא עשוי להבדיל בהם.
"יתרון נוסף בשיטה שלנו הוא שזה נותן לנו מידה של ביטחון סביב התחזיות שלנו, מה ששיטות קודמות לא היו חסרות," אמר לונג. "לדוגמה, אנו די בטוחים שתאים מסוימים יישארו או לעבור לסוג תאים מסוים או לסוג משנה, בעוד שאחרים עשויים להיות יותר אפשרויות למעבר."
החוקרים אמרו כי ניתן להשתמש בשיטה גם כדי לחקור רשתות רגולציה של גנים. לדוגמה, כדי להבין את ההשפעה של גן מסוים על גורלו של התא, החוקרים יכולים להשוות בין מהירות RNA בתא רגיל ובתא בו נמחק הגן הזה. בנוסף, מכיוון שמהירות ה- RNA מספקת מידע בנקודת זמן ספציפית, שינויים במהירות ה- RNA לאורך זמן עלולים להשאיל תובנה כיצד התאים מתקשרים זה עם זה ובאילו שיעורים.
"מהירות RNA היא עדיין מושג מתעורר, ואנחנו מאמינים שיש מגוון רחב של יישומים", אמר שואה. "קיום דרך חזקה ואמינה יותר למדוד קבוצות מרובות ולשלב נתונים מרחביים פותח הזדמנויות חדשות, ואנחנו נרגשים לראות כיצד משתמשים בשיטה שלנו בעתיד."
בנוסף לונג ו- Xue, צוות המחקר כולל את טיאניו ליו והונגי ג'או באוניברסיטת ייל. מימון מהמכונים הלאומיים לבריאות תמך במחקר זה.
