Pycea: a scverse toolkit for single-cell lineage tracing analysis
Pycea ist ein Open-Source-Python-Toolkit, das das TreeData-Format einführt, um Lineage-Tree-Daten nahtlos mit Einzelzellmessungen innerhalb des scverse-Ökosystems zu integrieren und so skalierbare Analysen, Visualisierungen und statistische Inferenzen für die zelluläre Abstammungsverfolgung zu ermöglichen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
In der lebendigen Welt trägt jede Zelle eine Geschichte in sich. Genau wie ein Stammbaum festhält, wer mit wem verwandt ist, erinnert sich jede Zelle in einem sich entwickelnden Organismus oder einem wachsenden Tumor an ihre Vorfahren und ihre Geschwister. Jahrzehntelang haben Wissenschaftler darum gerungen, diese Familiengeschichte mit dem aktuellen Verhalten der Zelle zu verknüpfen. Es gelang ihnen zwar, die Abstammungslinie von Zellen abzubilden – also nachzuvollziehen, wie aus einer Teilung zwei wurden und aus zwei vier –, aber sie konnten diese Karte nicht ohne Weiteres mit den internen Anweisungen der Zelle kombinieren, etwa der Frage, welche Gene in diesem Moment aktiv waren. Diese Trennung erschwerte das Verständnis darüber, wie die Vergangenheit einer Zelle ihre Gegenwart formte, sei es bei der Entwicklung zu einem spezifischen Gewebetyp oder bei der Entstehung einer Krankheit. Die Herausforderung bestand nicht nur darin, Daten zu sammeln, die mittlerweile reichlich und detailliert vorhanden sind, sondern sie so zu organisieren, dass Forscher das gesamte Bild auf einmal erfassen konnten.
Ein Forschungsteam hat nun ein neues digitales Werkzeug entwickelt, um dieses Problem zu lösen, indem es ein System erschuf, das den Stammbaum einer Zelle als einen Standardbestandteil ihrer biologischen Aufzeichnungen behandelt. Sie führten ein Softwarepaket namens Pycea ein, das neben einem weit verbreiteten Framework zur Analyse einzelner Zellen arbeitet. Das Herzstück dieses Systems ist eine neue Art der Datenspeicherung namens TreeData. Stellen Sie sich eine Standard-Digitalei vor, die Informationen über eine Zelle enthält, wie etwa deren Genaktivität und Lage. Stellen Sie sich nun vor, dieselbe Datei hätte ein spezielles Fach, um den gesamten Stammbaum dieser Zelle zu speichern, perfekt ausgerichtet, sodass jeder Ast und jedes Blatt einer spezifischen Messung entspricht. Diese neue Struktur ermöglicht es Wissenschaftlern, dieselben Werkzeuge, die sie bereits kennen, zu nutzen, um Abstammung, Genexpression und physische Lage gleichzeitig zu analysieren, ohne ständig Daten zwischen verschiedenen Formaten übersetzen zu müssen.
Die Forscher demonstrierten die Leistungsfähigkeit dieses Ansatzes, indem sie ihn auf zwei sehr unterschiedliche biologische Geschichten anwandten. Zuerst untersuchten sie einen Mäuseembryo in einem bestimmten Entwicklungsstadium, der mehr als 260.000 Zellen enthielt. Mit ihren neuen Werkzeugen konnten sie nachvollziehen, wie verschiedene Zellgruppen miteinander verwandt waren und wie eng ihre Familiengeschichten mit ihrer aktuellen Identität übereinstimmten. Sie fanden heraus, dass Zellen, die derselben großen Körperschicht angehörten, wie etwa der Haut oder dem Darm, nahe Verwandte waren, was bestätigte, dass der Stammbaum die zukünftige Rolle der Zelle vorhersagen konnte. Sie identifizierten zudem spezifische Gene, die durch die Familienlinie weitergegeben wurden, was bedeutete: Wenn eine Elternzelle eine hohe Aktivität eines bestimmten Gens aufwies, war es wahrscheinlich, dass auch ihre Kinder dies tun würden. Dies ermöglichte es ihnen, die exakten genetischen Anweisungen zu bestimmen, die verschiedene Teile des sich entwickelnden Embryos definierten.
Als Nächstes wandte das Team das System auf ein Krebsmodell an und untersuchte einen Tumor mit fast 146.000 Zellen. Hier war das Ziel, zu verstehen, wie verschiedene Gruppen von Krebszellen wuchsen und sich ausbreiteten. Durch die Kartierung des Stammbaums der Tumorzellen konnten sie sehen, welche Gruppen schnell expandierten und welche klein blieben. Sie entdeckten, dass die erfolgreichsten oder „fittesten“ Zellgruppen dazu neigten, sich an den Außenrändern des Tumors, nahe dem gesunden Lungengewebe, aufzuhalten. Darüber hinaus fanden sie heraus, dass die Aktivität eines spezifischen Gens, Cldn4, stark mit diesem Erfolg verknüpft war. Zellen mit hohen Werten dieses Gens waren eher in diesen florierenden Außenregionen zu finden. Diese Verbindung zwischen der Familiengeschichte einer Zelle, ihrem Standort und ihrer genetischen Aktivität lieferte eine klare Sicht darauf, wie sich der Tumor in Echtzeit entwickelte.
Die Bedeutung dieser Arbeit liegt in ihrer Fähigkeit, getrennte Forschungsfelder zu vereinen. Vor diesem Werkzeug mussten Forscher oft wählen, ob sie den Stammbaum einer Zelle oder deren Genaktivität untersuchen wollten, da die Datenformate nicht dieselbe Sprache sprachen. Durch die Schaffung eines Systems, in dem der Baum ein natürlicher Bestandteil der Celldatei ist, haben die Forscher die Barrieren beseitigt, die Wissenschaftler zuvor dazu zwangen, mit mehreren Softwareprogrammen und Datenstrukturen zu jonglieren. Dies bedeutet, dass die komplexe Geschichte einer Zelle nun mit der gleichen Leichtigkeit wie ihr aktueller Zustand analysiert werden kann. Die Software steht für jeden zur Nutzung offen, und die Forscher planen, sie weiter auszubauen, in der Hoffnung, dass dieser neue Standard die Grundlage für eine wachsende Gemeinschaft von Werkzeugen bilden wird, die sich der Erforschung der tiefen Geschichte des Lebens innerhalb einer einzelnen Zelle widmen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.