Investigadores de la Universidad Estatal de Pensilvania y la Universidad de Yale han desarrollado un nuevo método, denominado spVelo, que promete revolucionar la forma en que se estudia la expresión génica y la especialización celular. Este avance se publica en la revista Genome Biology y permite calcular la velocidad del ARN, lo que describe la dirección y la tasa de cambio durante la transcripción, un paso crucial en el proceso de expresión génica.
La expresión génica varía en función de diferentes factores, como la activación de genes, la respuesta a estímulos y el proceso de diferenciación celular. Según Wenxin Long, autor del estudio y estudiante de doctorado en estadística, la velocidad del ARN es una herramienta valiosa para entender cómo estas variaciones informan sobre el estado actual de una célula y sus posibles futuros. El nuevo método aborda limitaciones significativas de enfoques anteriores, lo que lo convierte en una alternativa prometedora para el análisis de datos de expresión génica.
Integración de Datos Espaciales y Múltiples Lotes
El método spVelo utiliza información espacial de las células y datos de múltiples lotes procesados en diferentes momentos, mejorando así la capacidad de los investigadores para entender los matices de los cambios en la expresión génica. Long resalta que, aunque los investigadores pueden secuenciar el ARN de muchas células simultáneamente, las diferencias en las condiciones del laboratorio pueden afectar los resultados. spVelo logra integrar datos de múltiples lotes y superar estas discrepancias, lo que amplía considerablemente el volumen de datos que se pueden analizar de manera eficaz.
El método se apoya en dos tipos de redes neuronales: un Autoencoder Variacional, que modela la expresión génica, y una Red de Atención Gráfica, que permite la incorporación de información espacial y de lotes. Además, se utiliza una penalización de discrepancia media máxima para inferir la velocidad del ARN a través de múltiples conjuntos de datos. Este enfoque ha demostrado ser más eficaz que métodos anteriores, según los investigadores, quienes han evaluado spVelo con datos de expresión génica de carcinoma de células escamosas orales y un conjunto de datos simulado de células del páncreas.
El spVelo no solo ofrece un análisis más robusto, sino que también proporciona una medida de confianza en las predicciones, algo que los métodos anteriores no podían ofrecer. Esto permite a los científicos tener un mayor nivel de certeza sobre las transiciones celulares y las posibles diferenciaciones de tipos o subtipos celulares.
Los investigadores sugieren que el método podría tener aplicaciones en la exploración de redes de regulación génica, así como en el estudio de cómo las células se comunican entre sí a través de cambios en la velocidad del ARN. Lingzhou Xue, profesor de estadística y coautor del estudio, menciona que la combinación de datos espaciales y múltiples lotes abre un abanico de oportunidades para futuras investigaciones.
El desarrollo de spVelo ha sido respaldado por financiamiento de los Institutos Nacionales de Salud, y el equipo de investigación también incluye a Tianyu Liu y Hongyu Zhao de la Universidad de Yale. Esta innovación marca un paso adelante en la comprensión de la biología celular y podría tener un impacto significativo en la investigación biomédica y en el tratamiento de enfermedades.
