Identifying Robust Single-Cell 3D Genome Domain Boundaries with CellRoB
CellRoB ist ein computergestütztes Framework, das die Spärlichkeit von Einzelzell-3D-Genomdaten überwindet, um sowohl häufige als auch seltene TAD-Grenzen robust zu identifizieren, wodurch biologisch signifikante strukturelle Heterogenität aufgedeckt und die Auflösung von Zellsubpopulationen ermöglicht wird, die durch transkriptomische Daten allein nicht unterscheidbar sind.
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 jeder Zelle Ihres Körpers ist die DNA kein loses, verheddertes Seil, sondern eine eng gefaltete Struktur, die ähnlich wie eine Bibliothek organisiert ist, in der Bücher auf bestimmten Regalen angeordnet sind. Diese dreidimensionale Anordnung ist entscheidend, da sie bestimmt, welche Gene ein- oder ausgeschaltet werden, und fungt effektiv als das Handbuch der Zelle. Wissenschaftler wissen schon lange, dass dieses Genom in deutlich voneinander abgegrenzte Nachbarschaften unterteilt ist, die sogenannte Domänen, welche durch unsichtbare Zäune, bekannt als Grenzen, getrennt sind. Diese Zäune stellen sicher, dass sich die Anweisungen für einen Teil der Zelle nicht versehentlich mit denen eines anderen vermischen. Wenn Forscher jedoch eine einzelne Zelle anstatt einer Menschenmenge betrachten, wird das Bild jedoch unglaublich verschwommen. Die Daten sind so spärlich und voller Lücken, dass es fast unmöglich ist zu sehen, wo diese Zäune tatsächlich stehen, was es schwierig macht zu verstehen, wie sich einzelne Zellen voneinander unterscheiden oder wie sie entscheiden, zu einem spezifischen Gewebetyp zu werden.
Ein Forschungsteam der Xidian University hat ein neues computergestütztes Werkzeug namens CellRoB entwickelt, um dieses Problem der Unsichtbarkeit zu lösen. Anstatt zu versuchen, ein klares Bild aus den verrauschten Daten zu erzwingen, entwickelten die Forscher eine Methode, die die natürliche Variation zwischen den Zellen respektiert und dennoch die gemeinsamen Muster findet. Sie begannen damit, die fehlenden Teile der genetischen Kontaktkarten für einzelne Zellen zu ergänzen, indem sie Informationen von ähnlichen Zellen nutzten, um fundierte Vermutungen darüber anzustellen, wo die Verbindungen bestehen sollten. Soblich sie eine klarere Sicht auf die interne Struktur jeder Zelle gewonnen hatten, identifizierten sie die potenziellen Grenzen. Die eigentliche Innovation kam als Nächstes: Sie richteten diese Grenzen über Tausende von Zellen hinweg aus, nicht indem sie versuchten, sie perfekt zur Deckung zu bringen, sondern indem sie die wahrscheinlichste Position fanden, an der eine Grenze für eine Gruppe von Zellen existiert. Dieser Ansatz ermöglichte es ihnen, zwischen Grenzen zu unterscheiden, die in fast jeder Zelle vorhanden sind, solchen, die nur in wenigen vorkommen, und solchen, die einzigartig für eine einzelne Zelle sind.
Die Forscher testeten ihre Methode an Daten von Mausgehirnzellen und menschlichen Zellen und verglichen ihre Ergebnisse mit bestehenden Techniken. Sie fanden heraus, dass CellRoB Grenzen mit wesentlich größerer Genauigkeit und Konsistenz identifizieren konnte, selbst wenn die Daten eine große Anzahl von Kontakten vermissen ließen oder wenn die Auflösung extrem hoch war, bis hinunter zu 5.000 Basenpaaren. Im Gegensatz zu anderen Methoden, die entweder seltene Grenzen übersahen oder zu viele falsche erzeugten, sobald die Daten detaillierter wurden, blieb CellRoB stabil. Es identifizierte erfolgreich Grenzen, die von den meisten Zellen geteilt wurden – welche oft mit den grundlegenden Strukturproteinen der Zelle assoziiert sind –, deckte aber auch eine verborgene Ebene der Variation auf: Grenzen, die nur in einem kleinen Bruchteil der Zellen auftauchten. Diese seltenen Grenzen waren nicht bloß Rauschen; sie trugen spezifische Informationen über die Identität der Zelle und waren mit Genen verknüpft, die an spezialisierten Funktionen, wie etwa der Entwicklung des Nervensystems, beteiligt sind.
Die wohl erstaunlichste Entdeckung machten die Forscher, als sie CellRoB auf einen Datensatz von Mausembryonen anwandten, der sowohl genetische Struktur- als auch Genexpressionsdaten enthielt. In diesem Datensatz erschien eine Gruppe von Zellen, bekannt als Epiblast- und Primitive-Streak-Zellen, bei der Analyse allein nach ihrer Genaktivität als eine einzige, einheitliche Gruppe. Als die Forscher diese Zellen jedoch basierend auf der Stärke ihrer Domänengrenzen kartierten, teilte sich die Gruppe in zwei deutliche Subpopulationen auf. Diese zwei Gruppen unterschieden sich nicht durch das Vorhandensein oder Fehlen von Grenzen, sondern durch subtile Unterschiede in der Stärke jener Grenzen. Die Zellen in einer Subpopulation zeigten genetische Signaturen, die darauf hindeuteten, dass sie sich in Richtung des neuralen Gewebes entwickelten, während die andere Gruppe eher zu nicht-neuralen Abstammungslinien neigte. Dieser Befund legt nahe, dass die Stärke der strukturellen Zäune des Genoms ein kritischer, jedoch bisher übersehener Faktor bei der Bestimmung des Schicksals einer Zelle ist. Indem es diese niederfrequenten strukturellen Variationen offenlegt und die Stärke der genomischen Architektur quantifiziert, bietet CellRoB eine neue Möglichkeit, die verborgene Vielfalt innerhalb lebender Zellen zu sehen, und eröffnet eine klarere Sicht darauf, wie komplexe Organismen aus einem einzigen Ausgangspunkt entstehen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.