Sonntag, 22. Oktober 2017
Benutzername
Passwort
Registrieren
Passwort vergessen?

Home
e-journal
Der Aktuelle Fall
CME online
News
Gesundheitspolitik
Fachgesellschaften
Therapiealgorithmen
Videos
Veranstaltungen
Broschüren


Suche
Archiv
Buchbestellung
Newsletter
Probe-Abo
Impressum


journalmed.de


Anzeige:
 
 
Anzeige:
 
 

JOURNAL ONKOLOGIE – NEWS
Zurück
Zurück
E-Mail
Email
Drucken
Drucken
Zum Bewerten bitte anmelden!
20. Januar 2015

Bioinformatik: Mit Statistik Zelltypen identifizieren

Mittels statistischer Analysen lassen sich Störfaktoren und Unsicherheitsvariablen von Einzelzell-Analysen erfassen. Dies ermöglicht es, einzelne Subpopulationen und Zelltypen noch genauer zu bestimmen und innerhalb von Zellpopulationen zu identifizieren. Dies berichten Wissenschaftler des Helmholtz Zentrums München und der Technischen Universität München gemeinsam mit Kollegen des European Bioinformatics Institute (EBI) in der Fachzeitschrift "Nature Biotechnology".

Anzeige:
 
 

Zellpopulationen weisen untereinander eine hohe Heterogenität auf, selbst wenn es sich um die gleiche Art von Zellen handelt. Um verschiedene Zelltypen zu bestimmen, wird das jeweilige aktive Erbgut - in Form von RNA-Molekülen - der einzelnen Zellen analysiert (Einzelzellanalyse). Diese Methodik ist durch jüngste Entwicklungen für hunderte von Zellen möglich und liefert ein exaktes Bild einzelner Zelltypen. Dennoch können Störfaktoren, wie eine kurzfristig veränderte Genexpression, bedingt durch den Zellzyklus oder Differenzierungsprozesse, das Ergebnis beeinflussen.

Störfaktoren herausrechnen

Die Wissenschaftler haben nun ein bioinformatisches Modell entwickelt, das solche Unsicherheitsfaktoren statistisch ermittelt und in der Analyse einzelner Zellen berücksichtigt. "In unseren aktuellen Untersuchungen zeigen wir, wie wir solche Faktoren herausrechnen können und dadurch ein noch genaueres Abbild der unterschiedlichen Zelltypen erhalten. Durch die Kombination von Einzelzellanalysen mit statistischen Methoden können Zellen identifiziert werden, die sonst unentdeckt bleiben", erklärt Erstautor Florian Büttner vom Institut für Computational Biology (ICB) am HMGU.

Einzelne Zellprofile: Gesundheit und Krankheit besser verstehen

Mit ihrem sogenannten single-cell latent variable Model (scLVM) gelang es dem Team um Florian Büttner und Fabian Theis vom HMGU sowie John Marioni und Oliver Stegle vom European Bioinformatics Institute (EMBL-EBI, Cambridge, UK), unterschiedliche Reifestadien von T-Zellen* in ihrer Entwicklung hin zu Th2-Zellen* zu detektieren und zu charakterisieren. "Die Analyse einzelner Zelltypen ist essentiell für die medizinische Forschung: Krebszellen, Differenzierungsprozesse, Krankheitsentstehung und vieles mehr lassen sich nur anhand bekannter, detaillierter Zellprofile besser erforschen und verstehen", so Büttner.

* T-Zellen sind Immunzellen, die in verschiedene Unterformen, wie beispielsweise Th2-Zellen, ausdifferenzieren, um verschiedene Abwehrfunktionen auszuüben.

Literaturhinweis:

Buettner F, Natarajan KN, Stegle O et al. Computational analysis of cell-to-cell heterogeneity in single-cell RNA-Sequencing data reveals hidden subpopulation of cells. Nat Biotechnol. 2015. doi: 10.1038/nbt.3102.
http://www.ncbi.nlm.nih.gov/pubmed/25599176

Quelle: Helmholtz Zentrum München
 
Zurück
Zurück
E-Mail
Email
Drucken
Drucken
Zum Bewerten bitte anmelden!



Anzeige:
 
 
Anzeige:
 
 
 
 
Themen
NET
CML
Nutzen Sie auch die Inhalte von journalmed.de, um sich zu Informieren.
Mediadaten
Hilfe
Copyright © 2014 rs media GmbH. All rights reserved.
Kontakt
Datenschutz
AGB
Fakten über Krebs