Διερεύνηση υπολογιστικών μεθόδων ανάλυσης και ενσωμάτωσης δεδομένων scRNA σε κυτταρικούς άτλαντες

Abstract

Η παραδοσιακή αλληλούχιση επόμενης γενιάς «next generation sequencing» (NGS), εξετάζει το γονιδίωμα ενός κυτταρικού πληθυσμού, όπως για παράδειγμα μιας κυτταρικής καλλιέργειας, ενός ιστού, ενός οργάνου ή και ενός ολόκληρου οργανισμού. Η αλληλούχιση αυτού του τύπου δίνει ως αποτέλεσμα το «μέσο γονιδίωμα» (average genome) του κυτταρικού πληθυσμού. Στις μέρες μας όμως οι νέες τεχνολογίες έχουν επιτρέψει την αλληλούχιση ενός κυττάρου (single cell sequencing), η οποία μετράει το γονιδίωμα μεμονωμένων κυττάρων από έναν κυτταρικό πληθυσμό. Το ενδιαφέρον σε αυτήν την τεχνική είναι πως αποκαλύπτει διαφορές στον κυτταρικό πληθυσμό και εξελικτικές σχέσεις μεταξύ των κυττάρων, πληροφορίες που μέχρι τώρα με τη μαζική αλληλούχιση δεν ήταν ορατές καθώς χανόταν κρίσιμη πληροφορία για την κυτταρική ετερογένεια. Όμως, η αλληλούχιση μεμονωμένων κυττάρων έρχεται και με έναν μεγάλο όγκο δεδομένων που καλούνται οι ερευνητές να αναλύσουν υπολογιστικά και να ερμηνεύσουν. Η έρευνα αυτή συνοπτικά περιλαμβάνει την προεπεξεργασία και τον καθαρισμό των πρωτογενών δεδομένων, την εφαρμογή σύγχρονων μεθόδων τεχνητής νοημοσύνης για την ανάλυση των δεδομένων και την ερμηνεία των κυτταρικών τύπων, που θα δώσουν έπειτα βιολογική σημασία στην υπολογιστική ανάλυση. Στην παρούσα εργασία εξετάστηκαν διαφορετικές μέθοδοι υπολογιστικής ανάλυσης δεδομένων που παρήχθησαν από αλληλούχιση μεμονωμένων κυττάρων, με σκοπό την εύρεση και την εφαρμογή των βέλτιστων. Στη διαδικασία αυτή έγινε αντιληπτό πως οι υπολογιστικές μέθοδοι πάντα προσαρμόζονται στα εκάστοτε δεδομένα, χωρίς να υπάρχει πανάκια. Έπειτα, αναλύθηκαν δύο σύνολα δεδομένων σε συνεργασία με την ευρωπαϊκή κοινοπραξία Cost Action, με στόχο την ενσωμάτωσή τους στον πρώτο κυτταρικό άτλαντα μεμονωμένων κυττάρων για τον καρκίνο σε κεφάλι και λαιμό. Ο κυτταρικός άτλαντας δημοσιεύτηκε και είναι πλέον διαθέσιμος στην επιστημονική κοινότητα, ως μια πλατφόρμα για έρευνα που μπορεί να αποτελέσει εφαλτήριο στην μελέτη, τη θεραπεία και την πρόληψη του καρκίνου σε κεφάλι και λαιμό.

Traditional next – generation sequencing (NGS) examines the genome of a cell population, such as a cell culture, tissue, organ, or even an entire organism. This type of sequencing results in the 'average genome' of the cell population. Today, however, new technologies enable the sequencing of individual cells (single-cell sequencing), which measures the genome of single cells within a population. This technique reveals differences within the cell population and evolutionary relationships between cells— information previously obscured by bulk sequencing, where important details about cellular heterogeneity were lost. Single-cell sequencing, however, produces a large volume of data, which researchers must analyse computationally and interpret. This research generally involves preprocessing and cleaning raw data, applying modern artificial intelligence techniques for data analysis, and interpreting cell types to give biological meaning to the computational analysis. In this study, different computational analysis methods were tested on data from single cell sequencing to identify and apply the optimal approaches. Through this process, it became clear that computational methods must always be adapted to the specific dataset, as there is no one-size-fits-all solution. Afterwards, two datasets were analysed in collaboration with the European consortium Cost Action, aiming to incorporate them into the first single-cell atlas for head and neck cancer. The cell atlas has been published and is now available to the scientific community as a research platform that could serve as a foundation for studying, treating, and preventing head and neck cancer.