Ein neu entwickeltes Verfahren namens CellCover ermöglicht die gleichzeitige Auswahl mehrerer Gene, die zusammen als Marker‑Panel für die Identifikation von Zellklassen dienen. Der Ansatz reduziert Redundanzen und erhöht die Spezifität gegenüber herkömmlichen Methoden, die einzelne Gene isoliert bewerten.
Herausforderung herkömmlicher Marker‑Identifikation
Bislang basierten die meisten Analysen von Einzelzell‑RNA‑Sequenzierungs‑Atlanten auf differentieller Expressionsanalyse (DE), die Gene einzeln untersucht. Dieser Ansatz ignoriere die mögliche Ergänzung von Genen und führe zu redundanten Markern, die nicht optimal die Zellidentität widerspiegeln.
Ansatz von CellCover
CellCover arbeitet mit binarisierten Expressionsdaten und formuliert die Auswahl von Gen‑Panels als Variante des Minimal‑Set‑Cover‑Problems. Durch diese mathematische Formulierung kann das Verfahren den riesigen Raum möglicher Gen‑Kombinationen effizient durchsuchen, ist robust gegenüber Null‑Inflation und nutzt die hohen Zellzahlen typischer scRNA‑seq‑Datensätze.
Ergebnisse im Blut‑ und Hirn‑Datensatz
Bei der Anwendung auf Blut‑ und Hirn‑Daten zeigte CellCover, dass die generierten Panels weniger redundante Gene enthielten und gleichzeitig zellklassen‑spezifische Signale erfassten, die von DE‑Methoden nicht identifiziert wurden. Die Resultate belegen eine verbesserte Trennschärfe zwischen den untersuchten Zelltypen.
Transfer‑Learning über Arten hinweg
Transfer‑Learning‑Experimente mit Maus‑, Primaten‑ und Human‑Datensätzen bestätigten, dass CellCover konservierte Zellklassen in der neokortikalen Neurogenese erkennt. Darüber hinaus verfolgte das Verfahren die Entwicklungsprogression von Vorläuferzellen zu reifen Neuronen über Artgrenzen hinweg.
Entwicklung von äußeren radialen Gliazellen
Durch die Analyse von Markern äußerer radialer Gliazellen über verschiedene Säugetierarten hinweg identifizierte CellCover, dass transkriptomische Elemente dieser Schlüsselzelle bereits in gliogenen Vorläufern von Nagetieren vorhanden waren, bevor das vollständige Programm in der Primatenlinie entstand.
Bedeutung für die Zellklassifizierung
Die Ergebnisse legen nahe, dass die kombinatorische Betrachtung von Genen die Genauigkeit von Zellklassifikations‑Atlanten steigern kann. CellCover bietet Forschern ein skalierbares Werkzeug, das sowohl für die Entdeckung neuer Zelltypen als auch für den Vergleich evolutiver Entwicklungen geeignet ist.
Dieser Bericht basiert auf Informationen von eLife, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.
Ende der Uebertragung