研究人员开发了新的数学方法来分析分子数据

2019-04-18 13:59:31 围观 : 172

  研究人员开发了新的数学方法来分析分子数据

  2010年3月11日

  研究人员开发了一种新的数学方法来分析来自复杂免疫细胞混合物的分子数据。这种方法与成熟的技术相结合,可以很容易地识别人类全血小样本的变化,并且有可能区分健康和疾病状态。由Mark Davis博士和Atul Butte医学博士领导,加州斯坦福大学的博士,研究人员团队得到了国家过敏和传染病研究所(NIAID)以及国家心脏,肺和血液研究所和国家癌症研究所的支持。美国国立卫生研究院的一部分。有关其工作的详细信息可在线访问Nature Methods。 “定义人体免疫系统在健康和疾病中的状态是人类免疫学研究的主要目标,” NIAID主任Anthony S. Fauci,M.D。“一种允许临床医生准确,快速地表征人体血液中许多不同免疫细胞的方法将是一种有价值的研究和诊断工具。”在过去的15年中,基因表达微阵列技术已经取得了巨大的进步,该技术允许研究人员同时识别和测量许多不同基因的相对数量。如今,研究人员可以使用极少量的血液测量人类基因组中的几乎所有基因。然而,血液含有多种类型的免疫细胞,例如淋巴细胞,嗜碱性粒细胞和单核细胞,并且当对该混合物进行微阵列分析时,对结果的解释成为问题。“检验免疫细胞混合物中基因表达差异的现有方法在血液中没有考虑到,即使在健康个体中,每种细胞类型的比例存在广泛的变化,“戴维斯博士说。 “这会产生所谓的噪音,掩盖基因表达的许多差异。

   即使您确实观察到差异,也不知道这是由于真实的差异还是混合物中不同数量的细胞类型的反映。到目前为止,科学家们不得不在分析前从混合物中分离出细胞类型,以验证基因表达的实际变化是否已经发生。但戴维斯博士补充说,细胞分离是耗时且昂贵的,并且需要大量血液样本。为了克服这些障碍,研究小组开发了一种称为微阵列细胞特异性显着性分析(csSAM)的计算方法。 “csSAM所做的是将细胞分离的概念与在微阵列上分析大家族基因的容易性结合起来”。 Butte博士解释道。 “使用数学方法,我们可以实际上分离血液中发现的不同细胞类型,确定这些细胞类型的基因表达模式,并确定基因表达的哪些变化是由于实际疾病导致的,哪些仅仅是由于细胞比例。“相关故事研究人员利用“自杀基因”设计干细胞以诱导除β细胞以外的所有细胞死亡.MUSC研究人员发现了一类抗癌药物的新机制独特的基因治疗方法为治疗罕见的遗传性疾病铺平了新的途径研究者首次使用肝脏测试了csSAM方法,来自大鼠的脑和肺细胞。他们首先分析了三个独立细胞群中的基因表达模式。然后,他们以不同的已知比例将细胞混合在一起,并使用新的数学方法挑选每种混合物中每个细胞亚群的单个基因表达模式。一旦他们确认这种分析方法正确识别了混合物中每个单个细胞亚群的基因表达模式,他们就对肾移植患者的血液进行了csSAM测试,这些患者要么正在接受肾脏排斥,要么是稳定的。使用传统方法分析血液中的基因表达,研究人员没有发现接受移植排斥的人和稳定移植的人之间存在任何差异。然而,使用csSAM方法,他们能够从混合物中提取和测量免疫细胞的五种特定亚群的基因表达模式 - 单核细胞,嗜碱性粒细胞,嗜中性粒细胞,嗜酸性粒细胞和淋巴细胞,称为T细胞和B细胞。研究人员能够识别出两组间单核细胞基因表达的300多个差异以及100多个显着增加的基因。由于单核细胞在血液中构成较小比例的免疫细胞,与中性粒细胞或淋巴细胞相比,传统的分析方法无法区分所有其他基因信号中单核细胞基因表达的这些差异。从血液中分离出特定细胞群的方法可以导致不是由疾病引起的基因表达的变化,而是导致实验操作。 csSAM方法避开了这些可能在样本中产生更多噪声的额外措施.csSAM方法的另一个优点是它可以应用于任何复杂细胞混合物的基因,蛋白质或其他细胞产物的其他高通量分析或组织。 “近年来,NIAID越来越重视支持人体免疫学研究,例如这项研究,” NIAID过敏,免疫学和移植部门的医学博士丹尼尔罗特罗森说。“我们非常鼓励我们的投资有助于开发这种新的分析方法,这种方法不仅可以定义健康的参数。人体免疫系统,还有助于识别疾病的生物标志物并开发更有效的疫苗。“来源:美国国立卫生研究院/国家过敏和传染病研究所