«Ветвящееся время» расскажет о работе генов десятков тысяч клеток одновременно

Ученые Нижегородского государственного университета имени Лобачевского нашли средство, позволяющее определить состояние и активность генов и другие важные данные одновременно для десятков тысяч клеток. Новая технология извлечения ветвящегося времени дает важнейшую информацию о развитии индивидуального организма и зарождении в нем различных болезней, таких как рак. Исследование опубликовано в журнале Nature Communications.

Одним из крупнейших достижений науки последних лет является технология получения информации о тысячах индивидуальных клеток, извлеченных из организма. Это так называемые «омики» отдельных клеток (геномика, эпигеномика, транскриптомика, протеомика), которые дают нам геномы тысяч индивидуальных клеток, состояния и активности различных генов в них, а также наличие различных протеинов в этих клетках. Данные о каждой клетке удобно представить в виде точки в очень многомерном пространстве. В результате новой технологии ученые всего мира получают тысячи точек (клеток) в пространстве огромной размерности.

Исследование, базирующееся на таких методах анализа данных, как топологический и геометрический анализ, «топологические грамматики», «метод главных графов», «аппроксимация данных» и др., является важным элементом новой (и огромной по вложениям и количеству игроков) технологии получения данных о живых организмах. И это новая технология («омики» отдельных клеток). Эти данные открывают колоссальные и еще не полностью осознанные возможности для развития биологии и персонализированной медицины.

Идея ветвящегося времени развития позволяет преобразовать получаемые огромные объемы данных к более понятному, читаемому и интерпретируемому виду. Представляется, что каждая клетка лежит на некоторой траектории развития. Эти траектории могут ветвиться там, где клетка в своем развитии делает выбор одного варианта будущего из нескольких возможных. Геометрически эти траектории развития с точками бифуркации на них представляют собой «ветвящееся время» развития.

Новая технология извлечения этого ветвящегося времени из данных была разработана большой международной командой исследователей, включающей 15 ученых из шести стран: США, Китая, Франции, Италии, Великобритании и России.

Сложные деревья строятся с использованием грамматик элементарных преобразований. На каждом шаге базового алгоритма выбирается именно то элементарное преобразование, которое дает наибольший выигрыш в качестве аппроксимации данных.

Метод топологических грамматик для обработки сложных данных общей природы был предложен еще в 2007 году профессором Александром Горбанем (Великобритания, в настоящее время руководит выполнением мегагранта в ННГУ им. Лобачевского, Нижний Новгород) и его учеником Андреем Зиновьевым (Франция, в настоящее время сотрудничает с Университетом Лобачевского в выполнении мегагранта).

«Понятие ветвящегося времени (или, как часто говорят, псевдовремени) возникает в биологии таким образом: клетки и события, с ними происходящие, размещаются вдоль некоторого графа (или, более формально, одномерного континуума, так как граф — дискретный объект). Этот ветвящийся континуум играет в анализе событий развития и дифференцировки ту же роль, что и линейное время в других областях (шкала для размещения событий). Никакой мистики или модификации физического времени. Ну, вот ввели люди такое понятие и многие им пользуются. Удобно. А топология этой шкалы извлекается из анализа данных. Потом данные картируются на этой шкале», – объясняет Александр Горбань.

Этот метод изучался в рамках широкого международного сотрудничества и был использован для создания специализированного программного продукта STREAM, строящего ветвящееся время клеточного развития из данных «омик» индивидуальных клеток.

«Представьте себе, еще сравнительно недавно мы с восторгом и ощущением чуда узнали о расшифровке генома человека. А новая технология позволяет определить состояния и активности генов и другие важные данные одновременно для десятков тысяч клеток, взятых из организма. Для каждой из них – индивидуально, а не какие-то там средние значения. Это дает важнейшую информацию о развитии индивидуального организма и зарождении в нем различных болезней, например рака. Но данные эти надо прочитать, расшифровать и извлечь из них полезную информацию. Мы предоставляем такое средство для работы с этими данными и извлечения из них важной информации», – анализирует Александр Горбань.

Программное обеспечение STREAM, его вычислительное ядро ElPiGraph и другие относящиеся к проекту программы свободно доступны онлайн. Проект частично поддержан Министерством науки и высшего образования РФ, проект № 14.Y26.31.0022.

Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.

Пресс-релизы о научных исследованиях, информацию о последних вышедших научных статьях и анонсы конференций, а также данные о выигранных грантах и премиях присылайте на адрес science@indicator.ru.