Onderzoekers van de Universiteit van Californië in San Diego hebben een nieuwe kunstmatige intelligentie (AI)-methode ontwikkeld die kan voorspellen hoe cellen zijn georganiseerd in micro-omgevingen van ziekten. De methode, sc-ATAC-seq genaamd, kan zeldzame celtypen en hun interacties binnen complexe weefsels identificeren. Deze informatie kan onderzoekers helpen beter te begrijpen hoe ziekten zich ontwikkelen en verspreiden, en mogelijk tot nieuwe behandelingen leiden.

"Door te begrijpen hoe cellen zijn georganiseerd in micro-omgevingen van ziekten, kunnen we inzicht krijgen in ziektemechanismen en gerichte therapieën ontwikkelen", zegt dr. Bing Ren, hoogleraar cellulaire en moleculaire geneeskunde aan de UC San Diego en senior auteur van het onderzoek.

Momenteel gebruiken wetenschappers meestal single-cell RNA-sequencing (scRNA-seq) om genexpressie in individuele cellen te bestuderen. Hoewel scRNA-seq waardevolle informatie biedt over de genen die actief zijn in een cel, kan het geen informatie verschaffen over de interacties van de cel met andere cellen in het weefsel.

sc-ATAC-seq pakt deze beperking aan door gebruik te maken van een techniek genaamd assay for transposase-accessible chromatine sequencing (ATAC-seq). ATAC-seq meet de toegankelijkheid van DNA voor transposasen, dit zijn enzymen die DNA in het genoom kunnen invoegen. Open chromatinegebieden worden meestal geassocieerd met actieve genen, terwijl gesloten chromatinegebieden worden geassocieerd met inactieve genen. sc-ATAC-seq combineert ATAC-seq met scRNA-seq om informatie te verschaffen over zowel genexpressie als chromatine-toegankelijkheid in individuele cellen.

"We ontdekten dat sc-ATAC-seq zeldzame celpopulaties kan identificeren die vaak door scRNA-seq alleen worden gemist", zegt Dr. Xinyu Zhao, de eerste auteur van de studie en een postdoctoraal onderzoeker aan de UC San Diego. "We konden bijvoorbeeld een populatie kankerstamcellen identificeren die verantwoordelijk zijn voor tumorgroei en metastase."

De onderzoekers ontwikkelden verder een reeks computationele hulpmiddelen om sc-ATAC-seq-gegevens te analyseren en de organisatie van cellen in weefselmicro-omgevingen te voorspellen. Met deze hulpmiddelen kunnen onderzoekers ruimtelijke kaarten van cellen genereren en zeldzame cel-celinteracties identificeren die belangrijk kunnen zijn voor de ontwikkeling van ziekten.

"Wij geloven dat sc-ATAC-seq een waardevol hulpmiddel zal zijn voor het bestuderen van een breed scala aan ziekten, waaronder kanker, neurodegeneratieve ziekten en auto-immuunziekten", aldus Ren. "Het zou ook kunnen worden gebruikt om nieuwe therapieën te ontwikkelen die zich richten op specifieke cel-celinteracties binnen de micro-omgeving van ziekten."

De studie werd gepubliceerd in het tijdschrift Nature Biotechnology.