Новый вычислительный метод помогает интерпретировать сложные данные о единичных клетках
Исследователи из Центра бионаук Турку (Финляндия) разработали новый вычислительный метод для интерпретации сложных данных о единичных клетках. Метод помогает идентифицировать и группировать типы клеток в разных образцах.
Современные технологии single-cell позволяют охарактеризовать клеточную гетерогенность, измеряя десятки или тысячи молекул (например, генов или белков) одновременно в тысячах отдельных клеток.
При изучении нескольких образцов ученым необходимо сопоставить одни и те же типы клеток — этот шаг называется интеграцией данных. Существующие методы часто не справляются, когда типы клеток различаются между образцами или присутствуют в очень разных количествах. В таких случаях методы могут ошибочно объединять разные типы клеток.
Для решения этой проблемы исследователи разработали новый алгоритм на основе машинного обучения, который эффективно интегрирует даже несбалансированные данные. Метод называется Coralysis.
"Технологии single-cell позволяют изучать невероятное разнообразие клеток, но сравнивать их между образцами сложно. Это мотивировало нас разработать метод для надежного выявления скрытых закономерностей", — говорит доцент Сини Юнттила.
Эффективный инструмент с открытым исходным кодом
Алгоритм работает по принципу сборки пазла: сначала группирует "фрагменты" (клетки) на основе общих признаков, а затем постепенно уточняет классификацию.
Coralysis реализован как программное обеспечение с открытым исходным кодом. Его ключевые особенности:
- Использует машинное обучение для построения моделей, которые могут предсказывать клеточную идентичность в новых наборах данных.
- Оценивает достоверность своих предсказаний.
- Способен обнаруживать изменяющиеся клеточные состояния, которые иначе можно было бы упустить.
"Coralysis предоставляет научному сообществу новый способ изучения клеточного разнообразия. Делая его открыто доступным, мы надеемся поддержать сотрудничество и ускорить открытия", — говорит профессор Лаура Эло.
Метод опубликован в журнале Nucleic Acids Research.