Memahami Regulasi Gen Pada Manusia, Sebuah tim peneliti telah mengembangkan alat komputasi baru untuk membantu memahami fungsi dan regulasi gen manusia.

Sebuah tim peneliti dari New York University dan New York Genome Center telah mengembangkan alat komputasi baru untuk membantu memahami fungsi dan regulasi gen manusia. Hasilnya, yang diterbitkan hari ini di jurnal Nature Genetics , menunjukkan bagaimana menafsirkan eksperimen yang menggabungkan penggunaan CRISPR untuk mengganggu gen bersama dengan teknologi sekuensing sel tunggal multimodal.

Artikel tersebut menjelaskan bagaimana pendekatan baru, yang disebut mixscape, membantu mengidentifikasi mekanisme molekuler baru untuk regulasi protein checkpoint imun yang mengatur kemampuan sistem kekebalan untuk mengidentifikasi dan menghancurkan sel kanker.

[ads]

“Pendekatan kami akan membantu para ilmuwan untuk menghubungkan gen ke perilaku seluler spesifik dan jalur molekuler yang mereka atur,” jelas Rahul Satija, penulis senior studi tersebut, yang merupakan profesor biologi di Pusat Genomik dan Biologi Sistem NYU dan fakultas inti. anggota di New York Genome Center.

The researchers set out to better understand how cancer cells alter the regulation of key genes, such as the immune checkpoint molecule PD-L1, in order to avoid detection and evade the body’s immune system. To do so, they performed a pooled genetic screen, where they ‘knocked out’ a set of genes in a cancer cell line model in order to observe the effect of each change or perturbation on PD-L1 levels. They utilized ECCITE-seq, a technology that allows researchers to capture single-cell profiles of different types of biomolecules — such as RNA and protein — after perturbing each gene with a CRISPR “guide RNA.” The ability to measure multiple types of molecular data, referred to as multimodal analysis, allowed the team to distinguish between transcriptional and post-transcriptional modes of regulation.

Namun, setelah menyelesaikan eksperimennya, tim menyadari bahwa tantangan komputasi yang signifikan membatasi kemampuannya untuk menganalisis dan menafsirkan data. Misalnya, para peneliti menemukan bahwa ketika mereka mencoba melumpuhkan gen yang sama di beberapa sel yang berbeda, mereka mengamati variabilitas yang mencolok dalam hasil. Secara khusus, sebagian besar sel – hingga 75% dalam beberapa kasus – tampaknya lolos dari efek yang dapat diamati setelah upaya gangguan dan mewakili sumber kebisingan yang membingungkan dalam analisis hilir.

“Menghadapi tantangan ini membuat kami menyadari bahwa kami memerlukan metode komputasi baru untuk mengidentifikasi dan menghapus sumber variasi yang membingungkan dalam kumpulan data kami,” kata Efthymia Papalexi, seorang mahasiswa pascasarjana biologi di NYU dan penulis utama studi tersebut.

Untuk mencapai hal ini, tim mengembangkan pendekatan statistik – mixscape – untuk memodelkan setiap gangguan yang menimbulkan campuran sel dengan respons berbeda. Dengan demikian, metode mixscape dapat mengidentifikasi dan menghilangkan sumber kebisingan dari data, memungkinkan pengguna untuk fokus pada sinyal biologis terpenting yang tersisa.

[ads]

“Saat kami menerapkan mixscape di layar kami, kami meningkatkan kekuatan kami untuk menghubungkan gangguan gen dengan perubahan transkriptom dan ekspresi protein. Hal ini memungkinkan kami untuk menemukan bahwa protein mirip kelch KEAP1 dan aktivator transkripsi NRF2 memediasi tingkat ekspresi sel PD -L1, “kata Satija.

Sementara studi ini dilakukan pada garis sel kanker, KEAP1 dan NRF2 sering bermutasi pada sampel kanker paru-paru manusia, menunjukkan bahwa gen ini mungkin memainkan peran penting dalam perkembangan dan perkembangan tumor manusia.

Ke depan, para peneliti memanfaatkan layar CRISPR kumpulan sel tunggal multimodal dan mixscape untuk memahami regulasi molekuler dari lusinan jalur tambahan dan perilaku seluler.

Mixscape tersedia gratis secara online melalui paket Seurat lab Satija, perangkat lunak toolkit untuk peneliti biomedis.

“Kami berharap metode kami akan berguna bagi komunitas dan membantu dalam studi tentang bagaimana gen dan jalur molekuler berinteraksi satu sama lain,” kata Papalexi.

Pekerjaan ini didukung oleh Chan Zuckerberg Initiative (EOSS-0000000082, HCA-A-1704-01895) dan National Institutes of Health (DP2HG009623-01, RM1HG011014-01, R21HG009748-03).