Resultados más rápidos. Menores costos. Menos celdas.
Un nuevo método matemático desarrollado por investigadores de Cincinnati Children's y la Universidad de Nueva York pronto facilitará mucho más la realización de análisis de datos complejos necesarios para impulsar los avances en el campo explosivo de la medicina personalizada.
Los resultados de la prueba de principio para el método se informan este mes en Investigación del genoma . Los coautores dicen que pudieron usar mucho menos material biológico para reproducir, e incluso expandir, un costoso esfuerzo previo para identificar una red de factores de transcripción de proteínas TF que regulan la función de T Helper 17TH17, un tipo de célula inmune que defiende contra las infecciones bacterianas y fúngicas, pero también puede provocar enfermedades autoinmunes cuando funciona mal.
Los aprendizajes con respecto a las células TH17 son importantes por derecho propio, dicen los investigadores. Los datos agregan varios TF a la conocida red reguladora transcripcional TRN que controla cómo se comportan las células TH17. Esto, en los próximos años, podría conducir a mejores tratamientospara enfermedades autoinmunes como esclerosis múltiple, psoriasis y enfermedad inflamatoria intestinal.
Sin embargo, el impacto potencial de este descubrimiento puede llegar mucho más lejos.
"Este método podría aplicarse a cualquier tipo de célula y podría proporcionar nueva información sobre cómo los tipos de células objetivo podrían controlarse en una amplia gama de enfermedades", dice Emily Miraldi, PhD, bióloga computacional en Cincinnati Children's y autora principal deel nuevo estudio
En los años venideros, el conocimiento detallado sobre los TRN que controlan tipos de células específicos podría ayudar a los investigadores a encontrar formas precisas de aumentar las respuestas del sistema inmunitario para atacar tumores cancerosos o reducir las respuestas para tratar una variedad de enfermedades inmunes, dice Miraldi.
de 10 millones de muestras de células a tan solo 500
Utilizando los métodos actuales, los investigadores han aprendido mucho sobre cómo la expresión de genes puede diferir entre las personas sanas y no saludables. Pero aprender cómo influir de manera segura en la expresión de genes para mejorar la salud implica profundizar en cómo TRNs orquesta el comportamiento en tipos, ubicaciones y condiciones celulares específicas.
En muchas enfermedades, especialmente las raras, puede ser difícil o imposible reunir suficientes células de interés para realizar tales análisis, dice Miraldi.
Por ejemplo, detallar la red reguladora inicial para las células TH17 se basó en datos de la secuenciación de inmunoprecipitación de cromatina ChIP-seq, una tecnología innovadora introducida hace aproximadamente una década.
Pero esa herramienta requiere hasta 10 millones de células para funcionar. Los métodos utilizados por Miraldi y sus colegas produjeron resultados similares con 100 veces menos células. De hecho, en algunos casos, los datos podrían obtenerse de muestras con tan solo 500células.
En el nuevo enfoque, el equipo de investigación utilizó una versión mejorada de un algoritmo de modelado de expresión génica llamado "Inferelator" que integra datos de una técnica más nueva llamada ensayo para cromatina accesible por transposasa ATAC-seq.
ATAC-seq se concentra solo en las porciones de cromatina - las largas cadenas de ADN en espiral dentro de cada célula - que están "abiertas" para que los factores de transcripción se unan. "ATAC-seq es una posible alternativa a múltiples ChIP-seq experimentos. Yo lo llamo ChIP-seq de un pobre ", dice Miraldi.
El análisis de la información ATAC-seq también requirió varias otras herramientas, incluida una base de datos masiva CisBP de preferencias de unión de factores de transcripción para miles de factores de transcripción. La base de datos CisBP fue reunida por un equipo dirigido por el biólogo computacional Matthew Weirauch de Cincinnati Children's,Doctor.
Si el algoritmo actualizado Inferelator resulta tan útil como se esperaba, podría ayudar a reducir parte de la necesidad de investigación en animales. En lugar de pasar meses criando cientos de ratones cuidadosamente modificados genéticamente para producir un suministro adecuado de un tipo de célula objetivo, puedeMiraldi dice que es posible obtener resultados válidos utilizando muestras de células de tan solo dos o tres ratones.
Se necesita más estudio para aplicar y mejorar el nuevo método
Miraldi y sus colegas ya han comenzado a seguir dos líneas de estudio relacionadas con este descubrimiento.
Un proyecto aplica el nuevo método para construir TRN para células inmunes intestinales in vivo.
Otro proyecto busca refinar el nuevo método para que pueda aplicarse a muestras aún más pequeñas, como las aisladas de pacientes humanos que usan genómica de células individuales.
Fuente de la historia :
Materiales proporcionados por Centro médico del Hospital de Niños de Cincinnati . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :