traffic analysis بیونت

روش جدید بررسی توالی‌های RNA، زیر گروه جدیدی از سلول‌ها را شناسایی کرد

https://bionet.ir، بیونت، bionet، توالی یابی RNA

روش جدید بررسی توالی‌ RNA به محققان این امکان را داد تا زیر گروه جدید سلولی را شناسایی کنند تا از هرج و مرج موجود بیرون آمده و به یک دسته بندی منظم برسند. این روش جدید که به وسیله دانشمندان آزمایشگاه زیست شناسی مولکولی اروپا و مرکز بیوانفورماتیک اروپا (EMBL-EBI) ایجاد شده است قدم بزرگی به سمت جلو در زمینه مطالعات ژنتیکی تک سلولی (single-cell genomic) است.

در ادامه مطلب همراه بیونت شوید

نتایج این بررسی در مجله Nature Biotechnology به چاپ رسیده است.

توالی یابی RNA تک سلولی روش بسیار جدیدی است که به دانشمندان کمک می‌کند تا دریابند چگونه ژن‌ها در انواع بافت‌های سالم و سرطانی بیان می‌شوند. این روش، داده‌های بیان ژن صد‌ها سلول منفرد را در یک آزمایش فراهم کرده و تصویر مشخصی از انواع سلول‌ها ایجاد می‌کند. اگرچه در این روش پیچیدگی بسیار زیاد مشخصات رونوشت‌های تک سلولی دشواری بزرگی را برای ایجاد داده‌های قابل تفسیر ایجاد کرده است.

سرپرست این گروه تحقیقاتی دکتر John Marioni توضیح می‌دهد:

" در مطالعات ژنتیکی تک سلولی ما سلول‌ها را از یک بافت جدا کرده و آنها را بر اساس مشخصات بیانی، به دسته جات جداگانه‌ای تقسیم کردیم تا زیر گروه‌هایی که می‌توانند عملکرد‌های متفاوت داشته باشند را شناسایی می‌کنیم. اما برای انجام صحیح این کار باید بر عوامل بسیار پیچیده ای فائق شویم و تا به حال روش کارآمدی برای این کار نداشتیم."

نمونه ای از یک بافت دارای پیچیدگی‌های بسیاری است: بعضی سلول‌ها جدید بوده و بعضی قدیمی‌اند و در هر برهه زمانی در مرحله‌های متفاوت از چرخه سلولی قرار می‌گیرند. بیشتر سلول‌ها نیز دارای زیر گروه‌های مخفی هستند که هر کدام عملکرد‌های خاص خود را دارند. مدل تک سلولی جدید متغییر پنهانی (scLMV) اجازه می‌دهد زیر ساختار‌های مخفی شناسایی شده و در نتیجه سیگنال‌های زیستی وابسته نیز راحت تر تشخیص داده شوند.

دکتر Florian Buttner می‌گوید:

" ما مشخص کردیم که عواملی مانند مرحله چرخه سلولی، اختلال سنجش یا فرآیند‌های زیستی نیز می‌توانند سنجیده شوند و در نتیجه تصویر واضح تری از بیان ژن در گروه‌ها و زیر گروه‌های متفاوت سلولی فراهم کنند. با ترکیب بررسی تک سلولی و روش‌های آماری توانستیم گروه‌های سلولی را شناسایی کنیم که در غیر این صورت قابل تشخیص نبودند."

یکی دیگر از محققان این گروه Oliver Stegle توضیح داد:

" اگر تمام چیزی که شما در دست دارید داده‌های برسی تک سلولی باشد به روشی نیاز خواهید داشت تا بتوانید عوامل پس زمینه را تصحیح کنید و بین سلول‌ها تفاوت‌ها را پیدا کرده و در نتیجه بتوانید زیست شناسی در پشت این سلول‌ها را آشکار سازید. مدل ما ارتباط بین تک سلول‌ها را نیز در نظر می‌گیرد. به عنوان مثال شناسایی اینکه آیا سلول‌ها در یک مرحله از چرخه سلولی قرار دارند یا خیر، متغییر‌های مداخله گر احتمالی را مشخص کرده و آنها را از میان برمی‌دارد. این مدل همچنین تشخیص زیر گروه‌ها را آسان‌تر کرده و متغییر‌هایی که تا به حال به وجودشان توجهی نمی‌کردید را تنها در یک مرحله تصحیح می‌کند."

دکتر Buttner می‌افزاید:

"بررسی گروه‌های تک سلولی برای تحقیقات پزشکی بسیار مهم است. سلول‌های سرطانی، فرآیند تمایز و بیماری زایی بسیاری از بیماری‌ها، هنگامی‌ که بر پایه مشخصات سلول‌ها انجام شوند می‌توانند به صورت بهتری بررسی شده و درک شوند. اکنون مدل ما امکان فراهم کردن چنین مشخصاتی را با استفاده از مطالعه ژنتیک تک سلولی فراهم کرده است."

منبع: Nature Biotechnology

  • نویسنده : سامان میلانی زاده
  • تاریخ انتشار : 25-01-15