Вычислительный инструмент биоинформатики анализирует образцы тканей для выявления болезней
Согласно недавнему исследованию, опубликованному в Cell Reports, используя новую интегративную вычислительную технику, ученые из Северо-Западного университета и Университета Иллинойса в Урбана-Шампейн (UIUC) смогли классифицировать болезненные состояния на молекулярном уровне с использованием наборов эпигеномных данных .
Новый подход, совместно разработанный авторами из Northwestern и UIUC, называется DeCET (Decomposition and Classification of Epigenomic Tensors); он анализирует сложные, разнородные данные для выявления эпигеномных различий между типами тканей , подтипами заболеваний и изменениями в типах клеток или клеточной дифференциации , — пояснила Дебабрата Чакраварти, доктор философии, заместитель председателя по трансляционным исследованиям и профессор акушерства и гинекологии Анны Лэпэм. и ведущий автор исследования.
По словам Чакраварти, профессора Чакраварти, эпигеном — совокупность всех модификаций гистоновых белков и генома, которые изменяют экспрессию генов — несет в себе важные инструкции для определения клеточной идентичности, поэтому эпигеномные анализы могут служить надежным диагностическим маркером для широкого спектра заболеваний. фармакологии и помощник директора общих ресурсов в Онкологическом центре Роберта Х. Лурье. Например, по типу метилирования ДНК можно классифицировать первичные и вторичные опухоли центральной нервной системы, а также определить тип клеток, являющихся источником рака.
Джун Сонг, доктор философии, профессор-основатель физики UIUC, и Грант Бариш, доктор медицины, доцент медицины отделения эндокринологии Северо-Западного университета, были соавторами исследования, а Приянка Сайни, доктор философии, of Northwestern и Джейкоб Лейстико из UIUC были соавторами исследования. Leistico руководил разработкой алгоритмов, а Сайни руководил экспериментальной работой, создавая синергетическую команду между двумя учреждениями.
Совместная группа ученых, клиницистов и физиков провела первоначальные исследования миомы матки или лейомиомы, которые представляют собой незлокачественные опухоли гладкомышечных клеток матки с ограниченными вариантами лечения, которые развиваются у 70 процентов женщин.
Сначала ученые выполнили эпигеномный анализ 25 образцов нормальной матки и 25 образцов миомы, взятых у пациентов. Затем команда использовала DeCET для анализа данных и определения ключевых эпигеномных особенностей, которые могли бы четко отличить нормальную ткань миометрия от болезненных состояний лейомиомы и подтипов заболевания.
Затем исследователи применили DeCET к «неизвестным» образцам людей, чтобы предсказать состояние тканей. Методология точно различает нормальные и болезненные типы и подтипы с использованием эпигеномных сигнатур.
Наконец, чтобы продемонстрировать общую применимость DeCET, команда расширила свой анализ, используя общедоступные наборы эпигеномных данных о раке, и успешно классифицировала другие заболевания, такие как рак груди и простаты.