根据发表在《自然方法》上的一项新研究，由德克萨斯大学西南医学中心的研究团队开发的计算机模型显著提高了科学家检测细胞间通信（CCC）的能力。
该模型名为“Spacia”，旨在帮助研究人员更好地理解一系列疾病，包括癌症、自身免疫性疾病、传染病和发育异常。
王涛博士，德克萨斯大学西南医学中心宿主防御遗传学中心的副教授，同时也是西蒙斯癌症中心人口科学与癌症控制研究项目的成员，指出：“细胞间通信对所有生命形式都至关重要。借助Spacia，我们能够比以往更好地解读这一过程。”
王博士与谢阳博士共同领导了这项研究。谢博士是奥唐奈公共卫生学院和Lyda Hill生物信息系的教授，同时担任德克萨斯大学西南医学院的数据科学副院长。两位研究者均为奥唐奈公共卫生学院定量生物医学研究中心的成员。
细胞间通信在发育、健康维持和疾病进展等多个生物过程中扮演着重要角色。近年来，研究人员开发了实验技术，提供了个体细胞中基因活性的信息（单细胞测序），以及细胞位置的信息（空间分解转录组学，SRT），这些技术为推断细胞间通信提供了关键数据。
然而，分析这些技术生成的大量数据以提取准确的细胞间通信关系的程序存在一些缺陷。例如，一些程序在空间相邻的细胞群中获取基因活动的平均读数，失去了单细胞分辨率，而其他程序则仅能检测已知调节途径中的细胞间通信。
为了解决这些问题，王博士和谢博士及其团队采用了一种称为多实例学习（MIL）的数学技术，开发了Spacia以从SRT数据中推断细胞间通信。MIL是机器学习的一个子集，在计算机科学领域广为人知，但在生物医学领域的应用相对较少。
研究团队使用SRT生成的数据在多种情况下测试了Spacia，并获得了重要的见解。例如，利用来自前列腺癌组织的SRT数据集，Spacia发现肿瘤微环境中的几种细胞类型参与了一种称为上皮-间质转化的现象，这一现象是肿瘤转移的重要因素。
此外，研究人员将Spacia应用于包括乳腺癌、结肠癌、皮肤癌和肺癌在内的泛癌症SRT数据集，发现B细胞（免疫细胞）对免疫治疗药物（检查点抑制剂）靶向的肿瘤细胞发出了信号。
研究还揭示了一种不同的细胞间通信特征，能够准确预测癌症患者的生存率及其对检查点抑制剂的反应。
谢博士表示：“我们的研究强调了整合空间和转录组数据的力量，揭示了驱动疾病进展和治疗耐药性的隐藏细胞相互作用。Spacia代表了我们将分子洞察力转化为临床应用的重大进步，最终将改善患者护理。”
他补充道，目前Spacia在生物研究中最为有用，但随着SRT成本的降低，未来医生可能会利用这一工具为个别患者确定药物靶点，从而极大地改善个性化医疗。
本文来自作者[新柔]投稿，不代表涵宇网立场，如若转载，请注明出处：http://nanjingyiyao.com/zhishi/202409-632.html
评论列表（4条）
我是涵宇网的签约作者“新柔”！
希望本篇文章《计算机模型提升了细胞间通讯识别的能力》能对你有所帮助！
本站[涵宇网]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览： 根据发表在《自然方法》上的一项新研究，由德克萨斯大学西南医学中心的研究团队开发的计算机模型显著提高了科学家检测细胞间通信（CCC）的能力。 该模型名为“Spacia”...