Een nieuwe methode om kankercellen te scheiden van niet-kankercellen is ontwikkeld door onderzoekers van het Wellcome Sanger Institute, in een boost voor diegenen die kankerbiologie beter willen begrijpen met behulp van single-cell mRNA-sequencing.

De studie, vandaag gepubliceerd in Communications Biology , verbetert bestaande methoden om te identificeren welke cellen in een monster kankerachtig zijn en levert cruciale gegevens over de micro-omgeving van tumoren. De software is openlijk beschikbaar voor onderzoekers over de hele wereld om hun eigen gegevens toe te passen, waardoor de effectiviteit van eencellige sequencing om kanker beter te begrijpen, wordt verbeterd.

Eencellige mRNA-analyse van kankercellen is een van de meest geavanceerde technieken die worden gebruikt om kankerbiologie beter te begrijpen. De gegenereerde gegevens kunnen worden gebruikt om te proberen kankers te verstoren met medicijnen of om erachter te komen hoe kankers in de eerste plaats ontstaan.

Een fundamentele stap in dit proces is het scheiden van kankercellen en niet-kankercellen, maar dit is niet altijd een gemakkelijke taak. Naast de vele soorten kanker zullen er ook moleculaire verschillen zijn tussen kankercellen van hetzelfde type binnen een enkele tumor.

Momenteel is de beste methode om dit te doen het meten van de gemiddelde genexpressie van cellen in het monster, waarbij hogere of lagere expressie wordt gebruikt om kankercellen te onderscheiden van gezonde cellen. Maar deze methode kan tot verkeerde conclusies leiden.

In deze nieuwe studie voerden onderzoekers van het Wellcome Sanger Institute volledige genoomsequencing en single-cell mRNA-sequencing uit op monsters verzameld door Great Ormond Street Hospital (GOSH).

Door onevenwichtigheden van allelen in deze gegevens te lokaliseren, die wijzen op veranderingen in het aantal kopieën in het genoom, was het team in staat kankercellen betrouwbaarder te identificeren dan met eerdere methoden. Deze benadering zal vooral nuttig zijn voor het valideren van nieuwe kankerceltypes en een beter begrip van de micro-omgeving van tumorweefsel.

"In staat zijn om te weten hoe het transcriptoom anders is in cellen met afwijkende genomen, zoals die gevonden worden in kankers, is waardevolle kennis en zal de vragen uitbreiden die we kunnen beantwoorden met behulp van single-cell sequencing", zegt Dr. Matt Young.

De methode, allelIntegrator genaamd, is beschikbaar als softwarepakket voor onderzoekers over de hele wereld. + Verder verkennen

Het schatten van tumorspecifiek totaal mRNA-niveau voorspelt kankeruitkomsten