CITE-seq (indicizzazione cellulare di trascrittomi ed epitopi) è un metodo basato sul sequenziamento dell’RNA che quantifica simultaneamente le proteine della superficie cellulare e i dati trascrittomici all’interno di una lettura di una singola cellula. La capacità di studiare le cellule contemporaneamente offre approfondimenti senza precedenti su nuovi tipi di cellule, stati patologici o altre condizioni.
Sebbene CITE-seq risolva il problema di rilevare un numero limitato di proteine utilizzando il sequenziamento di singole cellule in modo imparziale, uno dei suoi limiti sono gli elevati livelli di rumore di fondo che possono ostacolare l’analisi.
Per risolvere questo problema, i ricercatori della Chobanian & Avedisian School of Medicine e del Collage of Arts and Sciences dell’Università di Boston hanno sviluppato un nuovo strumento in grado di identificare e rimuovere il rumore di fondo indesiderato proveniente da varie fonti.
“Abbiamo creato DecontPro, un modello statistico che decontamina due fonti di contaminazione che sono state osservate empiricamente nei dati CITE-seq”, spiega l’autore corrispondente Joshua Campbell, PhD, professore associato di medicina presso la Scuola. “Può essere utilizzato come un importante strumento di valutazione della qualità che aiuterà nell’analisi a valle e aiuterà i ricercatori a comprendere meglio la causa molecolare della malattia”, ha affermato.
I ricercatori hanno esaminato diversi set di dati disponibili al pubblico che profilavano diversi tipi di tessuto con CITE-seq e hanno trovato un nuovo tipo di artefatto, che hanno chiamato “spugna”. Le spugnette hanno contribuito con una grande quantità di rumore di fondo in diversi set di dati. I ricercatori hanno scoperto che DecontPro può stimare e rimuovere diverse fonti di rumore di fondo, inclusa la contaminazione da spugne, da materiale ambientale che può essere presente nella sospensione cellulare o da legami non specifici di anticorpi.
Masanao Yajima, PhD, professore di pratica presso il dipartimento di matematica e statistica afferma: “DecontPro è un modello gerarchico bayesiano. Lo abbiamo costruito con cura in modo che possa separare i segnali dal rumore nei set di dati a cella singola senza essere eccessivamente aggressivo. “
Questi risultati appaiono online sulla rivista Ricerca sugli acidi nucleici.
Il finanziamento è stato fornito da una sovvenzione della Chan Zuckerberg Initiative.
Da un’altra testata giornalistica. news de www.sciencedaily.com
