Atlas-scale single-cell analysis beyond in-memory paradigm with scAtlasPy
scAtlasPy est un nouveau cadre de calcul résidant sur disque qui surmonte les limitations de mémoire des stations de travail standard, permettant l'analyse à pleine résolution d'atlas de cellules uniques massifs (par exemple, 100 millions de cellules) avec une utilisation de la mémoire nettement inférieure et des vitesses de traitement plus élevées par rapport aux plateformes existantes de pointe.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Le corps humain est un vaste paysage de billions d'unités individuelles, chacune ayant son propre rôle et sa propre histoire. Depuis des décennies, les scientifiques cherchent à cartographier ce terrain en étudiant les cellules individuelles, créant des catalogues détaillés qui révèlent comment différents tissus fonctionnent et comment les maladies les altèrent. Ces catalogues, appelés atlas, deviennent de plus en plus complets, passant de milliers de cellules à des millions, et maintenant à des centaines de millions. Cependant, un obstacle important est apparu : le volume considérable de données que ces cartes modernes génèrent. Les ordinateurs standards s'appuient sur le stockage de toutes les informations dans leur mémoire de travail immédiate pour les traiter, une méthode qui fonctionne bien pour des ensembles de données plus petits mais qui s'effondre sous le poids des collections biologiques massives. Lorsque les données dépassent la mémoire disponible, l'analyse stagne, laissant les chercheurs incapables de voir l'image complète de la diversité cellulaire sans recourir à un matériel spécialisé coûteux ou à la simplification de leurs questions.
Une nouvelle approche appelée scAtlasPy lève ce goulot d'étranglement en changeant fondamentalement la manière dont les ordinateurs gèrent ces ensembles de données énormes. Au lieu de forcer toute la collection d'informations cellulaires dans la mémoire de travail de l'ordinateur, ce système conserve les données sur le disque dur et ne récupère que les morceaux spécifiques nécessaires à chaque étape de l'analyse. Ce changement permet aux chercheurs d'examiner un atlas à cellule unique contenant cent millions de cellules en utilisant seulement 42,9 gigaoctets de mémoire. En revanche, les plateformes les plus avancées actuellement disponibles peinent à traiter plus de trois millions de cellules même lorsqu'elles sont équipées de 512 gigaoctets de mémoire. En découplant la taille de l'atlas de la capacité de mémoire de la machine, le système permet une analyse à pleine résolution de jeux de données massifs sur des stations de travail standard, rendant possible l'étude de différences cellulaires complexes sans être limité par les contraintes matérielles.
Le système fonctionne avec une vitesse et une efficacité remarquables. Lors de la récupération de petits groupes de cellules aléatoires pour l'analyse, scAtlasPy traite 137 745 cellules par seconde. Cette performance est plus de dix fois plus rapide que les méthodes précédentes conçues pour des tâches similaires, tout en utilisant simultanément 82,6 % de mémoire en moins. L'architecture est conçue pour être flexible, permettant aux scientifiques de l'adapter à divers types de tâches analytiques à grande échelle. Cette capacité ouvre la voie à la découverte de modèles complexes de variété et de fonction cellulaires au sein d'atlas massifs qui étaient auparavant trop vastes pour être analysés dans leur intégralité. Ce travail démontre que l'échelle de la découverte biologique n'est plus liée par les limites de mémoire de l'ordinateur, offrant une voie pratique pour explorer les détails complexes de la vie à une échelle qui était autrefois considérée comme impossible.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.