Nuevo software predice el destino celular

Nuevo software predice el destino celular

Los métodos tradicionales de secuenciación de una sola célula ayudan a revelar ideas sobre las diferencias y funciones celulares, pero lo hacen solo con instantáneas estáticas en lugar de películas de lapso de tiempo. Esta limitación hace que sea difícil sacar conclusiones sobre la dinámica del desarrollo celular y la actividad genética. El método recientemente introducido "Velocidad de ARN" tiene como objetivo reconstruir la trayectoria de desarrollo de una célula sobre una base computacional (aprovechando las proporciones de transcripciones no empalmadas y empalmadas). Este método, sin embargo, es aplicable solo a poblaciones en estado estacionario. Por lo tanto, los investigadores estaban buscando formas de extender el concepto de velocidad de ARN a poblaciones dinámicas que son de importancia crucial para comprender el desarrollo celular y la respuesta a la enfermedad.

Velocidad unicelular

Investigadores del Instituto de Biología Computacional en Helmholtz Zentrum München y el Departamento de Matemáticas en TUM desarrollaron "scVelo" (velocidad de celda única). El método estima la velocidad del ARN con un modelo basado en IA resolviendo la dinámica transcripcional completa en cuanto a genes. Esto les permite generalizar el concepto de velocidad de ARN a una amplia variedad de sistemas biológicos, incluidas las poblaciones dinámicas.

"Hemos utilizado scVelo para revelar el desarrollo celular en el páncreas endocrino, en el hipocampo y para estudiar procesos dinámicos en la regeneración pulmonar, y esto es solo el comienzo", dice Volker Bergen, principal creador de scVelo y primer autor del correspondiente estudiar en biotecnología de la naturaleza.

Con scVelo, los investigadores pueden estimar las tasas de reacción de transcripción, empalme y degradación de ARN sin la necesidad de ningún dato experimental. Estas tasas pueden ayudar a comprender mejor la identidad celular y la heterogeneidad fenotípica. Su introducción de un tiempo latente reconstruye el tiempo de desarrollo desconocido para posicionar las células a lo largo de la trayectoria del proceso biológico subyacente. Eso es particularmente útil para comprender mejor la toma de decisiones celulares. Además, scVelo revela cambios regulatorios y genes impulsores putativos en el mismo. Esto ayuda a comprender no solo cómo sino también por qué las células se desarrollan de la manera en que lo hacen.

Potenciando tratamientos personalizados

Las herramientas basadas en IA como scVelo dan lugar a tratamientos personalizados. Pasar de instantáneas estáticas a dinámicas completas permite a los investigadores pasar de modelos descriptivos a modelos predictivos. En el futuro, esto podría ayudar a comprender mejor la progresión de la enfermedad, como la formación de tumores, o desentrañar la señalización celular en respuesta al tratamiento del cáncer.

"scVelo se ha descargado casi 60,000 veces desde su lanzamiento el año pasado. Se ha convertido en una herramienta para avanzar hacia la base cinética de la transcriptómica unicelular", agrega el profesor Fabian Theis, quien concibió el estudio y es Director del Instituto para Biología Computacional en Helmholtz Zentrums München y Cátedra de Modelado Matemático de Sistemas Biológicos en TUM.