Программа Scanpy обрабатывает огромные массивы данных о единичных клетках

Учёные из Центра Гельмгольца в Мюнхене разработали программу для работы с огромными наборами данных. Программное обеспечение под названием Scanpy является кандидатом для анализа Атласа клеток человека и недавно опубликовано в Genome Biology.

«Речь идёт об анализе данных об экспрессии генов большого количества отдельных клеток», — объясняет ведущий автор Алекс Вольф из Института вычислительной биологии (ICB). Он разработал Scanpy вместе со своим коллегой Филиппом Ангерером в группе машинного обучения профессора Фабиана Тайса. «Новые технические достижения генерируют на несколько порядков больше данных с соответствующим увеличением информационного содержания, — говорит Тайс. — Однако исторически сложившаяся программная инфраструктура для анализа экспрессии генов просто не была рассчитана на новые вызовы. Поэтому необходимы новые аналитические методы».

Гонка за Атлас клеток человека

По словам Тайса, крупный международный исследовательский проект также может получить выгоду от этого программного обеспечения. Международная команда учёных составляет референсную базу данных под названием Атлас клеток человека, содержащую данные об активности генов всех типов человеческих клеток. «Для этого проекта и растущего числа других проектов, в которых объединяются базы данных, важно иметь масштабируемое программное обеспечение», — говорит Тайс. Поэтому неудивительно, что Scanpy в настоящее время является кандидатом для помощи в анализе Атласа клеток человека.

«Публикация Scanpy знаменует собой первое программное обеспечение, которое позволяет проводить комплексный анализ больших наборов данных об экспрессии генов с широким спектром методов машинного обучения и статистики», — объясняет Вольф. «Программное обеспечение уже используется рядом групп по всему миру, в частности в Институте Брода Гарвардского университета и Массачусетском технологическом институте (MIT)».

Технологически это новаторская разработка: в то время как программы по биостатистике традиционно написаны на языке программирования R, Scanpy основан на языке Python, доминирующем в сообществе машинного обучения. Ещё одной новой особенностью является то, что в основе Scanpy лежат графовые алгоритмы. В отличие от обычного подхода, рассматривающего клетки как точки в системе координат в пространстве экспрессии генов, алгоритмы используют графоподобную систему координат. Вместо характеристики отдельной клетки по значению экспрессии тысяч генов, система просто характеризует клетки, определяя их ближайших соседей — очень похоже на связи в социальных сетях. Фактически, для идентификации типов клеток Scanpy использует те же алгоритмы, что и Facebook для идентификации сообществ.