机器学习方法提高了对细胞身份的理解

当基因被激活和表达时，它们在细胞中显示出在组织和器官中类型和功能相似的模式。发现这些模式可以提高我们对细胞的理解——这对揭示疾病机制具有重要意义。

空间转录组学技术的出现使研究人员能够在整个组织样本的空间环境中观察基因表达。但是需要新的计算方法来理解这些数据并帮助识别和理解这些基因表达模式。

由卡内基梅隆大学计算机科学学院RayandStephanieLane计算生物学教授JianMa领导的研究团队开发了一种机器学习工具来填补这一空白。他们关于该方法的论文名为SPICEMIX，作为封面故事出现在最近一期的NatureGenetics上。

SPICEMIX帮助研究人员理清不同空间模式在大脑等复杂组织中细胞整体基因表达中的作用。它通过用空间元基因表示每个模式来做到这一点——基因组可能与特定的生物过程相关，并且可以在组织中显示平滑或零星的模式。

包括马云在内的团队;计算生物学系项目科学家BenjaminChidester;和博士学位学生TiamingZhou和ShahulAlam使用SPICEMIX分析小鼠和人类大脑区域的空间转录组学数据。他们利用SPICEMIX的独特功能来揭示大脑细胞类型和空间模式的概况。

“当我们选择这个名字时，我们受到烹饪的启发，”奇德斯特说。“你可以用同一套香料做出各种不同的口味。细胞可能以类似的方式工作。它们可能使用一组共同的生物过程，但它们使用的特定组合赋予它们独特的身份。”

当应用于脑组织时，SPICEMIX比其他方法更准确地识别大脑中细胞类型的空间模式。它还通过学习的空间元基因揭示了脑细胞类型的新表达模式。

“这些发现可能有助于我们更全面地了解脑细胞类型的复杂性，”周说。

使用空间转录组学技术的研究数量正在迅速增长，而SPICEMIX可以帮助研究人员充分利用这些高容量、高维度的数据。

“我们的方法有可能推进空间转录组学研究，并有助于更深入地了解复杂组织中的基础生物学和疾病进展，”马说。