• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  Science >> Science >  >> Biologie
    Une méthode d’IA prédit comment les cellules sont organisées dans les microenvironnements pathologiques
    Des chercheurs de l’Université de Californie à San Diego ont développé une nouvelle méthode d’intelligence artificielle (IA) capable de prédire comment les cellules sont organisées dans les microenvironnements pathologiques. La méthode, appelée sc-ATAC-seq, peut identifier des types de cellules rares et leurs interactions au sein de tissus complexes. Ces informations pourraient aider les chercheurs à mieux comprendre comment les maladies se développent et se propagent, et potentiellement conduire à de nouveaux traitements.

    "En comprenant comment les cellules sont organisées dans les microenvironnements pathologiques, nous pouvons mieux comprendre les mécanismes de la maladie et développer des thérapies ciblées", a déclaré le Dr Bing Ren, professeur de médecine cellulaire et moléculaire à l'UC San Diego et auteur principal de l'étude.

    Actuellement, les scientifiques utilisent généralement le séquençage d’ARN unicellulaire (scRNA-seq) pour étudier l’expression des gènes dans des cellules individuelles. Bien que scRNA-seq fournisse des informations précieuses sur les gènes actifs dans une cellule, il ne peut pas fournir d'informations sur les interactions de la cellule avec d'autres cellules du tissu.

    sc-ATAC-seq répond à cette limitation en utilisant une technique appelée test de séquençage de la chromatine accessible à la transposase (ATAC-seq). ATAC-seq mesure l'accessibilité de l'ADN aux transposases, qui sont des enzymes capables d'insérer l'ADN dans le génome. Les régions de chromatine ouvertes sont généralement associées à des gènes actifs, tandis que les régions de chromatine fermées sont associées à des gènes inactifs. sc-ATAC-seq combine ATAC-seq avec scRNA-seq pour fournir des informations sur l'expression des gènes et l'accessibilité de la chromatine dans les cellules individuelles.

    « Nous avons constaté que sc-ATAC-seq peut identifier des populations de cellules rares qui sont souvent manquées par scRNA-seq seul », a déclaré le Dr Xinyu Zhao, premier auteur de l'étude et chercheur postdoctoral à l'UC San Diego. "Par exemple, nous avons pu identifier une population de cellules souches cancéreuses responsables de la croissance tumorale et des métastases."

    Les chercheurs ont ensuite développé un ensemble d’outils informatiques pour analyser les données sc-ATAC-seq et prédire l’organisation des cellules dans les microenvironnements tissulaires. Ces outils permettent aux chercheurs de générer des cartes spatiales des cellules et d’identifier les interactions cellule-cellule rares qui peuvent être importantes pour le développement de maladies.

    "Nous pensons que sc-ATAC-seq sera un outil précieux pour étudier un large éventail de maladies, notamment le cancer, les maladies neurodégénératives et les maladies auto-immunes", a déclaré Ren. "Il pourrait également être utilisé pour développer de nouvelles thérapies ciblant des interactions cellule-cellule spécifiques au sein des microenvironnements pathologiques."

    L'étude a été publiée dans la revue Nature Biotechnology.

    © Science https://fr.scienceaq.com