Разработан новый метод изучения структуры внутриклеточных взаимодействий

Ученые механико-математического факультета МГУ совместно с коллегами с факультета биологии и биотехнологии Высшей школы экономики и из Московского научно-исследовательского онкологического института имени П.А. Герцена разработали новый оригинальный метод построения схемы (графа) взаимодействий основных транскриптомных «игроков» клетки – мРНК, микроРНК и транскрипционных факторов. Метод позволяет объединить и использовать совместно два пласта данных – общий и специфичный для конкретного типа ткани, патологии или эксперимента. Открытие учёных позволит, в том числе, добиться новых результатов, связанных с созданием экспрессионных тест-систем для прогнозирования рака. Статья опубликована в журнале PLOS ONE.

Происходящие на молекулярном уровне внутриклеточные взаимодействия можно сравнить с оркестром, исполняющим симфонию, или со спортивной командой, выполняющей сложную тренерскую установку. Анализ этих взаимодействий позволяет не только лучше понять механизмы работы клеточной машинерии, но и идентифицировать ее центральные элементы, наблюдение за которыми позволяет наиболее полно делать выводы и прогнозы, связанные с состоянием клеток и организма в целом. Предложенный метод может оказаться полезным молекулярным биологам и биоинформатикам для уточнения понимания структуры молекулярных взаимодействий внутри клетки, а также для выявления ключевых элементов в этой системе взаимодействий.

«Дополнительный интерес — в том числе прикладной — связан с комбинированным использованием предложенного метода с методом in silico построения транскриптомных тест-систем, разработанным и реализованным учеными механико-математического факультета МГУ в сотрудничестве со специалистами других научных центров с активным использованием ресурсов Суперкомпьютерного центра МГУ. Такая комбинация позволит добиться новых результатов, связанных с созданием экспрессионных тест-систем, которые можно будет использовать в клинической практике. В частности, в статье показана эффективность этого сочетания методов применительно к прогнозированию риска рецидива рака молочной железы», — отметил один из авторов работы, старший научный сотрудник кафедры математической теории интеллектуальных систем механико-математического факультета МГУ Алексей Галатенко.