交互技術(shù)使稀有細(xì)胞類型可見

來(lái)自萊頓大學(xué)醫(yī)學(xué)中心(LUMC)和代爾夫特理工大學(xué)(TU Delft)的研究人員在科學(xué)期刊Nature Communications上展示了一種交互技術(shù)，用于鑒定大樣本中的稀有細(xì)胞類型。LUMC的Frits Koning教授說：“你可以在大海撈針中找到一根針。”為了了解某些疾病是如何發(fā)生的，研究人員在大量數(shù)據(jù)中搜索精確信息。自2013年以來(lái)，LUMC一直使用CyTOF，這種機(jī)器能夠在腸粘膜或血液等樣本中同時(shí)表征數(shù)百萬(wàn)個(gè)細(xì)胞。CyTOF通過測(cè)量細(xì)胞壁上約40種蛋白質(zhì)的每個(gè)細(xì)胞的存在來(lái)實(shí)現(xiàn)這一點(diǎn)。使用LUMC和TU Delft開發(fā)的新方法，研究人員現(xiàn)在可以詳細(xì)研究這些數(shù)據(jù)。“這種樣本包含數(shù)百種不同的細(xì)胞類型，”免疫血液學(xué)和輸血部門(IHB)的LUMC研究員Vincent van Unen解釋道。“已有方法可用于分析CyTOF數(shù)據(jù)，但這些數(shù)據(jù)或者提供了所有細(xì)胞的全局圖片，或者隨機(jī)組細(xì)胞的詳細(xì)圖片，比如大約20%。但是組織樣本中最有趣的細(xì)胞類型，與生病或健康相關(guān)的細(xì)胞類型通常很少，如果您只研究一組細(xì)胞，就會(huì)錯(cuò)過它們。

概觀

新的分析技術(shù)解決了這個(gè)問題。該系統(tǒng)首先產(chǎn)生二維圖像，其中來(lái)自組織樣本的細(xì)胞根據(jù)其潛在的相似性進(jìn)行分組。細(xì)胞沒有單獨(dú)顯示 - 這樣做會(huì)導(dǎo)致雜亂的斑點(diǎn)。相反，它們被顯示為“地標(biāo)”，代表彼此相似的細(xì)胞的小區(qū)域。“這個(gè)概述遺漏了細(xì)節(jié)，但所有可用的信息都用于計(jì)算地標(biāo)，”安娜維拉諾瓦博士計(jì)算機(jī)圖形和可視化組的TU Delft博士候選人Nicola Pezzotti說。

然后，用戶可以放大所選擇的一組細(xì)胞，直到具有相關(guān)標(biāo)記的單個(gè)細(xì)胞可見。Pezzotti說：“你可以將它與谷歌地球進(jìn)行比較，你可以從整個(gè)地球開始，然后放大到你自己的街道。” 這種分層的視覺方法，Cytosplore + HSNE，可以輕松，快速和良好地工作。“這些標(biāo)志性代表了已知的細(xì)胞群，例如免疫系統(tǒng)中的某些T細(xì)胞和B 細(xì)胞，”LUMC和TU Delft的研究員ThomasHöll說道，他幫助開發(fā)了該方法。“通過放大，有可能找到缺失或確實(shí)存在于特定疾病中的罕見細(xì)胞類型，例如慢性腸病，克羅恩病。這為我們提供了解該疾病，診斷和靶向治療的線索。 “。

11月23日出現(xiàn)在Nature Communications上的文章“分層隨機(jī)鄰域嵌入的質(zhì)譜細(xì)胞數(shù)據(jù)的可視化分析揭示了稀有細(xì)胞類型 ” 。

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如有侵權(quán)行為，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。

推薦內(nèi)容