在COVID-19大流行的早期，研究出肺和腸細胞RNA分子遺傳密碼的科學 發現，這些器官中只有 小部分細胞 容易被SARS-CoV感染。2病毒。這使研究人員能夠專注于阻止病毒進入這些細胞的能力。我們的技術可以使研究人員更容易找到此類信息。
我們使用的生物學知識來自這種RNA測序，它為研究人員提供了細胞中數十萬RNA分子被翻譯成蛋白質的快照。廣受贊譽的機器學習工具Seurat分析平臺幫助 各地的研究人員在健康和患病器官中發現新的細胞群。這種機器學習工具處理來自單細胞RNA測序的數據，而無需提前提供有關這些基因如何運作和相互關聯的任何信息。
我們的技術采用不同的方法，通過添加有關某些基因和細胞類型的知識來尋找有關細胞不同作用的線索。已經有十多年的研究確定了轉錄因子的所有潛在目標。
有了這些知識，我們使用了 種稱為貝葉斯推理的數學方法。在這種技術中， 驗知識被轉換為可以在計算機上計算的概率。在我們的例子中，它是基因受給定轉錄因子調控的概率。然后，我們使用機器學習算法來計算我們分析的數千個細胞中的每 個中轉錄因子的功能。
我們在GenomeResearch雜志上發表了我們的技術，稱為貝葉斯推理轉錄因子活動模型，并免費提供該軟件，以便其他研究人員可以測試和使用它。
為什么重要
我們的方法適用于廣泛的細胞類型和器官，可用于開發COVID-19或阿爾茨海默氏癥等疾病的治療方法。如果這些藥物針對導致疾病的細胞并避免對其他細胞造成附帶損害，則治療這些難以治療的疾病的藥物效果 佳。我們的技術使研究人員更容易鎖定這些目標。
正在進行的其他研究
單細胞RNA測序揭示了每個器官如何具有10、20甚至更多的特化細胞亞型，每個亞型都具有不同的功能。 個非常令人興奮的新發展是空間轉錄組學的出現，其中RNA測序在空間網格中進行，使研究人員能夠研究器官中特定位置細胞的RNA。
個 近的 篇文章中使用貝葉斯統計辦法類似于我們要弄清楚細胞的不同作用，考慮到他們彼此接近時。另 個研究小組將空間數據與單細胞RNA測序數據相結合，研究了相鄰細胞的不同功能。
下 步是什么
我們計劃與同事合作，使用我們的新技術來研究復雜的疾病，如阿爾茨海默病和COVID-19，這些工作可能會為這些疾病帶來新的藥物。我們還希望與同事合作，以更好地了解細胞之間相互作用的復雜性。
伊利諾伊大學芝加哥分校的尚高和Jalees Rehman
??QQ：1325426082廣告業務:
