Identifying Robust Single-Cell 3D Genome Domain Boundaries with CellRoB
CellRoB is een computationeel raamwerk dat de schaarste van single-cell 3D-genoomdata overwint om zowel gemeenschappelijke als zeldzame TAD-grenzen robuust te identificeren, waardoor biologisch significante structurele heterogeniteit wordt onthuld en het mogelijk wordt om cellulaire subpopulaties te onderscheiden die door transcriptomische data alleen niet te onderscheiden zijn.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
In elke cel van je lichaam is het DNA geen losse, verwarde draad, maar een strak gevouwen structuur, georganiseerd zoals een bibliotheek waar boeken op specifieke planken zijn gerangschikt. Deze driedimensionale ordening is cruciaal omdat het bepaalt welke genen aan of uit staan, wat effectief fungeert als de instructiehandleiding van de cel. Wetenschappers weten al lang dat dit genoom is verdeeld in duidelijke buurten die domeinen worden genoemd, gescheiden door onzichtbare hekken die grenzen worden genoemd. Deze hekken zorgen ervoor dat de instructies voor het ene deel van de cel niet per ongeluk mengen met die van een ander deel. Echter, wanneer onderzoekers naar een enkele cel kijken in plaats naar een menigte van hen, wordt het beeld ongelooflijk wazig. De gegevens zijn zo schaars en vol hiaten dat het bijna onmogelijk is om te zien waar deze hekken zich daadwerkelijk bevinden, wat het moeilijk maakt om te begrijpen hoe individuele cellen van elkaar verschillen of hoe ze beslissen om specifiek type weefsel te worden.
Een team van onderzoekers aan de Xidian University heeft een nieuwe computationele tool ontwikkend genaamd CellRoB om dit probleem van onzichtbaarheid op te lossen. In plaats van te proberen een helder beeld af te dwingen uit de ruisachtige data, bouwden de onderzoekers een methode die de natuurlijke variatie tussen cellen respecteert en tegelijkertijd de gemeenschappelijke patronen vindt. Ze begonnen met het invullen van de ontbrekende stukken van de genetische contactkaarten voor individuele cellen, waarbij ze informatie van vergelijkbare cellen gebruikten om gefundeerde gissingen te doen over waar de verbindingen zouden moeten liggen. Zodra ze een duidelijker beeld hadden van de interne structuur van elke cel, identificeerden ze de potentiële grenzen. De echte innovatie kwam daarna: ze brachten deze grenzen in kaart over duizenden cellen, niet door ze perfect te laten overeenstemmen, maar door de meest waarschijnlijke positie te vinden waar een grens bestaat voor een groep cellen. Deze aanpak stelde hen in staat om onderscheid te maken tussen grenzen die in bijna elke cel aanwezig zijn, die slechts in een paar cellen voorkomen, en die uniek zijn voor een enkele cel.
De onderzoekers testten hun methode op data van muisbreincellen en menselijke cellen, waarbij ze hun resultaten vergeleken met bestaande technieken. Ze ontdekten dat CellRoB grenzen met veel grotere nauwkeurigheid en consistentie kon identificeren, zelfs wanneer de data een groot aantal contacten miste of wanneer de resolutie extreem hoog was, tot 5.000 basenparen. In tegen tegenstelling tot andere methoden die ofwel zeldzame grenzen misten of te veel valse grenzen creëerden naarmate de data gedetailleerder werd, bleef CellRoB stabiel. Het identificeerde succesvol grenzen die gedeeld werden door de meeste cellen, die vaak geassocieerd worden met de basis structurele eiwitten van de cel, maar het onthulde ook een verborgen laag van variatie: grenzen die slechts in een klein deel van de cellen voorkwamen. Deze zeldzame grenzen waren niet louter ruis; ze bevatten specifieke informatie over de identiteit van de cel en waren gekoppeld aan genen die betrokken zijn bij gespecialiseerde functies, zoals de ontwikkeling van het zenuwstelsel.
Misschien wel de meest opmerkelijke ontdekking kwam toen het team CellRoB toepaste op een dataset van muisembryo's die zowel genetische structuur als genexpressie-data bevatte. In deze dataset leek een groep cellen bekend als epiblast- en primitieve streepcellen een enkele, uniforme groep te vormen wanneer ze alleen op basis van genactiviteit werden geanalyseerd. Echter, wanneer de onderzoekers deze cellen in kaart brachten op basis van de sterkte van de domeingrenzen, splitste de groep zich in twee duidelijke subpopulaties. Deze twee groepen werden niet gescheiden door de aanwezigheid of afwezigheid van grenzen, maar door subtiele verschillen in hoe sterk die grenzen waren. De cellen in de ene subpopulatie vertoonden genetische signaturen die suggereerden dat ze richting neuraal weefsel bewogen, terwijl de andere groep een voorkeur leek te hebben voor niet-neurale lijnen. Deze bevinding suggereert dat de sterkte van de structurele hekken van het genoom een cruciale, maar voorheen over het hoofd geziene factor is in het bepalen van het lot van een cel. Door deze laagfrequente structurele variaties te onthullen en de sterkte van de genomische architectuur te kwantificeren, biedt CellRoB een nieuwe manier om de verborgen diversiteit binnen levende cellen te zien, wat een helderder beeld geeft van hoe complexe organismen zich ontwikkelen vanuit één enkel startpunt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.