數(shù)據(jù)采樣方法制作了笨拙的生物數(shù)據(jù)集的“草圖”，同時(shí)仍然捕獲了細(xì)胞類型的完整多樣性。藝術(shù)草圖可用于以更簡(jiǎn)單的圖像捕捉場(chǎng)景的細(xì)節(jié)。麻省理工學(xué)院的研究人員現(xiàn)在將這一概念引入計(jì)算生物學(xué)，采用一種新方法，提取全面的樣本 - 稱為“草圖” - 大規(guī)模細(xì)胞數(shù)據(jù)集，更易于分析生物學(xué)和醫(yī)學(xué)研究。

近年來(lái)，人們從各種人體組織和器官(如神經(jīng)元，肌肉和免疫細(xì)胞)中分析出單個(gè)細(xì)胞，以深入了解人類健康和治療疾病。最大的數(shù)據(jù)集包含大約100,000到200萬(wàn)個(gè)單元格，并且還在增長(zhǎng)。例如，人類細(xì)胞圖譜的長(zhǎng)期目標(biāo)是描繪大約100億個(gè)細(xì)胞。每個(gè)細(xì)胞本身都含有大量關(guān)于RNA表達(dá)的數(shù)據(jù)，可以提供有關(guān)細(xì)胞行為和疾病進(jìn)展的見(jiàn)解。

憑借足夠的計(jì)算能力，生物學(xué)家可以分析完整的數(shù)據(jù)集，但需要數(shù)小時(shí)或數(shù)天。沒(méi)有這些資源，這是不切實(shí)際的。采樣方法可用于提取細(xì)胞的小子集以進(jìn)行更快，更有效的分析，但它們不能很好地?cái)U(kuò)展到大型數(shù)據(jù)集，并且通常會(huì)錯(cuò)過(guò)較少的細(xì)胞類型。

在下周于計(jì)算分子生物學(xué)研究會(huì)議上發(fā)表的一篇論文中，麻省理工學(xué)院的研究人員描述了一種方法，該方法可以捕獲整個(gè)數(shù)據(jù)集的完全全面的“草圖”，可以與其他數(shù)據(jù)集輕松共享和合并。它不是以相同的概率對(duì)細(xì)胞進(jìn)行采樣，而是均勻地對(duì)來(lái)自數(shù)據(jù)集中存在的不同細(xì)胞類型的細(xì)胞進(jìn)行采樣。

“這些就像紙上的草圖，藝術(shù)家將試圖保留主要圖像的所有重要特征，”麻省理工學(xué)院西蒙斯數(shù)學(xué)教授，電氣工程和計(jì)算機(jī)科學(xué)教授，以及其負(fù)責(zé)人Bonnie Berger說(shuō)。計(jì)算和生物學(xué)小組。

在實(shí)驗(yàn)中，該方法在幾分鐘內(nèi)從數(shù)百萬(wàn)個(gè)細(xì)胞的數(shù)據(jù)集中生成草圖 - 而不是幾個(gè)小時(shí) - 從數(shù)據(jù)集中得到的稀有細(xì)胞的表示更為平等。在一個(gè)例子中，草圖甚至捕獲了其他方法遺漏的罕見(jiàn)的炎性巨噬細(xì)胞子集。

“大多數(shù)分析單細(xì)胞數(shù)據(jù)的生物學(xué)家只是在他們的筆記本電腦上工作，”計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室(CSAIL)博士生，計(jì)算與生物學(xué)研究組的Brian Hie說(shuō)。“草圖繪制了一個(gè)非常大的數(shù)據(jù)集的簡(jiǎn)明摘要，該數(shù)據(jù)集試圖保留盡可能多的生物信息......因此人們不需要使用如此多的計(jì)算能力。”

加入Hie和Berger的是：CSAIL博士生Hyunghoon Cho;麻省理工學(xué)院和哈佛醫(yī)學(xué)院的研究生Benjamin DeMeo;和麻省理工學(xué)院生物工程助理教授Bryan Bryson。

格子覆蓋物

人類擁有數(shù)百種細(xì)胞類別和子類別，每個(gè)細(xì)胞都表達(dá)了多種多樣的基因。諸如RNA測(cè)序的技術(shù)捕獲大量表中的所有細(xì)胞信息，其中每行代表細(xì)胞，每列代表基因表達(dá)的一些測(cè)量。細(xì)胞是散布在龐大的多維空間周?chē)狞c(diǎn)，其中每個(gè)維度對(duì)應(yīng)于不同基因的表達(dá)。

“如果你采取10%的樣本，并且在一個(gè)罕見(jiàn)的群集中有10個(gè)細(xì)胞，在一個(gè)共同的群集中有1,000個(gè)細(xì)胞，你更有可能抓住大量的常見(jiàn)細(xì)胞，但是會(huì)遺漏所有稀有細(xì)胞，”Hie說(shuō)。“但稀有細(xì)胞可以導(dǎo)致重要的生物學(xué)發(fā)現(xiàn)。”實(shí)際上，具有相似基因多樣性的細(xì)胞類型 - 常見(jiàn)和罕見(jiàn) - 形成相似大小的簇，占據(jù)大致相同的空間。但是這些群集中的細(xì)胞密度差異很大：1,000個(gè)細(xì)胞可能存在于一個(gè)共同的聚類中，而同樣多樣的稀有聚類將包含10個(gè)細(xì)胞。對(duì)于提取單個(gè)細(xì)胞的目標(biāo)大小樣本的傳統(tǒng)??采樣方法來(lái)說(shuō)，這是一個(gè)問(wèn)題。

研究人員修改了一類算法，該算法在數(shù)據(jù)集上形成了形狀。他們的算法覆蓋了整個(gè)計(jì)算空間，他們稱之為“格子覆蓋”，就像一個(gè)大小相等的網(wǎng)格，但在很多方面。它只放置這些多維正方形，其中至少有一個(gè)單元格，并跳過(guò)任何空白區(qū)域。最后，網(wǎng)格的空列將比占用的列更寬或更瘦 - 因此是“格子”描述。該技術(shù)可以節(jié)省大量計(jì)算量，以幫助覆蓋范圍擴(kuò)展到海量數(shù)據(jù)集。

捕獲稀有細(xì)胞

占用的方塊可能只包含一個(gè)單元格或1,000個(gè)單元格，但它們都具有完全相同的采樣權(quán)重。然后，該算法隨機(jī)地通過(guò)均勻地從每個(gè)占用的方格中選擇一組單元格來(lái)找到目標(biāo)樣本 - 例如20,000個(gè)單元。生成的草圖包含更加平等的細(xì)胞類型分布 - 例如，來(lái)自100個(gè)簇的10個(gè)常見(jiàn)細(xì)胞和來(lái)自10個(gè)簇的8個(gè)稀有細(xì)胞。

“我們利用占據(jù)相似空間的這些細(xì)胞類型，”Hie說(shuō)。“因?yàn)槲覀兏鶕?jù)體積而不是密度進(jìn)行采樣，我們可以更均勻地覆蓋生物空間......我們自然會(huì)保留稀有細(xì)胞類型。”

他們將他們的素描方法應(yīng)用于大約250,000個(gè)臍帶細(xì)胞的數(shù)據(jù)集，其中包含兩個(gè)罕見(jiàn)的巨噬細(xì)胞亞組 - 炎癥和抗炎。所有其他傳統(tǒng)的采樣方法將兩個(gè)子集聚集在一起，而草繪方法將它們分開(kāi)。研究人員說(shuō)，對(duì)這些巨噬細(xì)胞亞群的進(jìn)一步深入研究有助于揭示炎癥的洞察力以及如何調(diào)節(jié)炎癥反應(yīng)過(guò)程中的炎癥過(guò)程。

“這對(duì)于在田野界面工作是有益的，”伯杰說(shuō)。“我們接受過(guò)數(shù)學(xué)家培訓(xùn)，但我們了解生物數(shù)據(jù)科學(xué)問(wèn)題是什么，因此我們可以將最好的技術(shù)帶到他們的分析中。”