CopyKAT memungkinkan para peneliti untuk mendapatkan wawasan baru saat menganalisis sampel tumor padat – ScienceDaily

CopyKAT memungkinkan para peneliti untuk mendapatkan wawasan baru saat menganalisis sampel tumor padat – ScienceDaily


Dalam upaya untuk mengatasi tantangan besar ketika menganalisis kumpulan data pengurutan RNA sel tunggal yang besar, para peneliti dari The University of Texas MD Anderson Cancer Center telah mengembangkan teknik komputasi baru untuk secara akurat membedakan antara data dari sel kanker dan variasi sel normal yang ditemukan. dalam sampel tumor. Karya tersebut diterbitkan hari ini di Bioteknologi Alam.

Alat baru, yang dijuluki CopyKAT (kariotipe nomor salinan tumor aneuploid), memungkinkan para peneliti untuk lebih mudah memeriksa data kompleks yang diperoleh dari eksperimen sekuensing RNA sel tunggal besar, yang mengirimkan data ekspresi gen dari ribuan sel individu.

CopyKAT menggunakan data ekspresi gen tersebut untuk mencari aneuploidi, atau keberadaan nomor kromosom abnormal, yang umum terjadi pada sebagian besar kanker, kata penulis senior studi Nicholas Navin, Ph.D., profesor genetika dan Bioinformatika & Biologi Komputasi. Alat ini juga membantu mengidentifikasi subpopulasi yang berbeda, atau klon, di dalam sel kanker.

“Kami mengembangkan CopyKAT sebagai alat untuk menyimpulkan informasi genetik dari data transkriptom. Dengan menerapkan alat ini ke beberapa kumpulan data, kami menunjukkan bahwa kami dapat secara jelas mengidentifikasi, dengan akurasi sekitar 99%, sel tumor versus sel imun atau stroma lain yang ada dalam sampel tumor campuran, “kata Navin. “Kami kemudian dapat melangkah lebih jauh untuk menemukan subklon yang ada dan memahami perbedaan genetik mereka.”

Secara historis, tumor telah dipelajari sebagai campuran dari semua sel yang ada, banyak di antaranya tidak bersifat kanker. Munculnya sekuensing RNA sel tunggal dalam beberapa tahun terakhir telah memungkinkan para peneliti untuk menganalisis tumor dalam resolusi yang jauh lebih besar, memeriksa ekspresi gen setiap sel untuk mengembangkan gambaran lanskap tumor, termasuk lingkungan mikro sekitarnya.

Namun, tidak mudah membedakan antara sel kanker dan sel normal tanpa pendekatan komputasi yang andal, jelas Navin. Mantan rekan postdoctoral Ruli Gao, Ph.D., sekarang asisten profesor Ilmu Kardiovaskular di Houston Methodist Research Institute, mengembangkan algoritma CopyKAT, yang memperbaiki teknik lama dengan meningkatkan akurasi dan menyesuaikan dengan generasi terbaru data pengurutan RNA sel tunggal .

Tim pertama kali membandingkan alatnya dengan membandingkan hasil dengan data sekuensing genom utuh, yang menunjukkan akurasi tinggi dalam memprediksi perubahan nomor salinan. Dalam tiga kumpulan data tambahan dari kanker pankreas, kanker payudara triple-negatif, dan kanker tiroid anaplastik, para peneliti menunjukkan bahwa CopyKAT akurat dalam membedakan antara sel tumor dan sel normal dalam sampel campuran.

Analisis ini dimungkinkan melalui kolaborasi dengan Stephen Y. Lai, MD, Ph.D., profesor Bedah Kepala dan Leher, serta Stacy Moulder, MD, profesor Onkologi Medis Payudara, dan Breast Cancer Moon Shot®, bagian dari Program Tembakan Bulan MD Anderson®, upaya kolaboratif untuk dengan cepat mengembangkan penemuan ilmiah menjadi kemajuan klinis yang bermakna yang menyelamatkan nyawa pasien.

Dalam menganalisis sampel ini, para peneliti juga menunjukkan alat tersebut efektif dalam mengidentifikasi subpopulasi sel kanker di dalam tumor berdasarkan perbedaan jumlah salinan, seperti yang dikonfirmasi oleh percobaan pada kanker payudara triple-negatif.

“Dengan menggunakan CopyKAT, kami dapat mengidentifikasi subpopulasi langka dalam kanker payudara triple-negatif yang memiliki perubahan genetik unik yang tidak dilaporkan secara luas, termasuk yang memiliki implikasi terapeutik potensial,” kata Gao. “Kami berharap alat ini akan berguna bagi komunitas penelitian untuk memanfaatkan data sekuensing RNA sel tunggal mereka dan untuk mendorong penemuan baru dalam kanker.”

Alat ini tersedia gratis untuk peneliti di sini. Para penulis mencatat bahwa alat ini tidak dapat digunakan untuk mempelajari semua jenis kanker. Aneuploidi, misalnya, relatif jarang terjadi pada kanker pediatrik dan hematologi.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Data SGP

Author Image
adminProzen