Ferramenta computacional traduz dados complexos em imagens bidimensionais simplificadas

Ferramenta computacional traduz dados complexos em imagens bidimensionais simplificadas

Anonim

Em sua busca para aprender mais sobre a variabilidade de células entre e dentro dos tecidos, os cientistas biomédicos criaram ferramentas capazes de medir simultaneamente dezenas de características de células individuais. No entanto, essas tecnologias levaram a novos desafios, pois os cientistas agora lutam para entender o volume de dados resultante. Agora uma solução pode estar à mão. Pesquisadores da Universidade de Columbia e da Universidade de Stanford desenvolveram um método computacional que permite aos cientistas visualizar e interpretar dados "de alta dimensão" produzidos por tecnologias de medição de célula única, como a citometria de massa. O método, publicado na edição online da Nature Biotechnology, tem particular relevância para a pesquisa e a terapêutica do câncer.

Os pesquisadores agora entendem que o câncer dentro de um indivíduo pode abrigar subpopulações de células com diferentes características moleculares. Grupos de células podem se comportar diferentemente uns dos outros, inclusive em como eles respondem ao tratamento. A capacidade de estudar células individuais, bem como identificar e caracterizar subpopulações de células cancerígenas dentro de um indivíduo, poderia levar a métodos mais precisos de diagnóstico e tratamento.

"Nosso método não apenas permitirá aos cientistas explorar a heterogeneidade das células cancerosas e caracterizar células cancerígenas resistentes aos medicamentos, mas também permitirá que os médicos acompanhem a progressão do tumor, identifiquem as células cancerígenas resistentes aos fármacos e detectem pequenas quantidades de células cancerosas que aumentam o risco de recaída ", disse o co-autor sênior Dana Pe'er, PhD, professor associado de ciências biológicas e biologia de sistemas na Columbia. O outro co-autor sênior é Garry P. Nolan, PhD, professor de microbiologia e imunologia em Stanford.

O método, chamado viSNE (Visual Interactive Stochastic Neighbour Embedding), é baseado em um algoritmo sofisticado que traduz dados de alta dimensão (por exemplo, um conjunto de dados que inclui várias medições simultâneas de células individuais) em representações visuais similares a "scatter bidimensional". tramas "- os gráficos simples com eixos X e Y que muitas pessoas encontram pela primeira vez na matemática e na biologia do ensino médio. "Basicamente, o viSNE fornece uma maneira de visualizar dados de dimensões muito altas em duas dimensões, mantendo a organização e estrutura mais importantes dos dados", disse o Dr. Pe'er. "A cor é usada como uma terceira dimensão para permitir que os usuários visualizem interativamente vários recursos das células."

O software viSNE pode analisar medições de dezenas de marcadores moleculares. Nos mapas bidimensionais que resultam, a distância entre os pontos representa o grau de similaridade entre as células individuais. Os mapas podem revelar grupos claramente definidos de células com comportamentos distintos (por exemplo, resistência a drogas), mesmo que sejam apenas uma pequena fração da população total. Isso deve permitir o planejamento de formas de isolar e estudar fisicamente essas subpopulações celulares no laboratório.

Embora o algoritmo subjacente ao método seja complexo, o Dr. Pe'er espera que todos os pesquisadores, independentemente do nível de conhecimento matemático, consigam usar o viSNE.

Para demonstrar a utilidade do software, o Dr. Pe'er e seus colegas usaram citometria de massa e viSNE para estudar células de medula óssea de pacientes com leucemia mielóide aguda. Atualmente, os médicos podem incorporar no máximo 4 a 8 marcadores para avaliar as células. Como a citometria de massa e o viSNE podem incorporar muitos mais marcadores, o viSNE é capaz de identificar diferenças mais sutis entre as células. Usando o algoritmo, o Dr. Pe'er e seus colegas foram capazes de revelar a heterogeneidade não reconhecida nas células da medula óssea que estudaram.

Os pesquisadores também mostraram que o viSNE pode detectar a doença residual mínima (MRD) - quantidades extremamente pequenas de células cancerígenas que persistem após a quimioterapia e aumentam o risco de recorrência. "Em testes cegos, conseguimos encontrar apenas 20 células cancerígenas de dezenas de milhares de células saudáveis", disse Pe'er. Uma quantidade tão pequena de células é extremamente difícil de detectar, mesmo pelo patologista mais experiente.

"A capacidade de detectar MRD é fundamental para curar o câncer", acrescentou Dr. Pe'er. "Eliminar até 99, 9 por cento de um tumor não traz cura. Você tem que ser capaz de encontrar e eliminar as minúsculas populações de células que podem sobreviver à terapia e levar à recaída da doença."