Simple Science

Ciencia de vanguardia explicada de forma sencilla

# Biología # Bioinformática

Una nueva herramienta para analizar la actividad genética en los tejidos

NoButter ayuda a mejorar la calidad de los datos de transcriptómica espacial para un mejor análisis de tejidos.

Béibhinn O’Hora, Roman Laddach, Rosamond Nuamah, Elena Alberts, Isobelle Wall, Joseph Bell, David A Johnston, Sonya James, Jeanette Norman, Mark G. Jones, Ciro Chiappini, Anita Grigoriadis, Jelmar Quist

― 6 minilectura


Limpiando Datos Genéticos Limpiando Datos Genéticos análisis de tejidos. de transcriptómica espacial para el NoButter mejora la calidad de los datos
Tabla de contenidos

La Transcriptómica Espacial es una forma chida de ver cómo están activos los genes en diferentes partes de un tejido. Imagínatelo como leer un libro donde cada página es en realidad un trozo de tejido. Cada palabra en la página es un gen, y ahora podemos ver dónde cada gen está activo en ese tejido. Esto es importante porque saber dónde están hablando esos genes nos ayuda a entender cómo se construyen los Tejidos y cómo funcionan.

La Tecnología Detrás de Esto

Hay varias herramientas nuevas para hacer este tipo de trabajo, y se pueden dividir en dos tipos principales: tecnologías basadas en secuenciación y tecnologías basadas en imágenes. La secuenciación mira la actividad genética de una manera más general, mientras que la imagen nos da una mirada más cercana, casi como usar una cámara para hacer zoom en partes específicas de una página. Sin embargo, con toda esta nueva tecnología, todavía estamos averiguando cómo comprobar si los datos que obtenemos son de buena calidad.

¿Cuál es la Gran Cosa Sobre la Imagen?

Cuando usamos técnicas de imagen como el CosMx Spatial Molecular Imager o Xenium, la posición exacta de la actividad de cada gen es realmente importante. Si no sabemos dónde está un gen, se vuelve complicado decir a qué célula pertenece, y eso puede arruinar nuestros resultados. Ahora mismo, los científicos a menudo usan controles de calidad que fueron creados para la secuenciación de RNA normal. Pero realmente necesitan controles especiales solo para estos nuevos métodos de imagen.

Detección de Transcritos y Desafíos

En la imagen, capturamos imágenes a diferentes niveles, como si cortáramos rebanadas de pan de un pan. Estas rebanadas nos muestran cómo se comportan los genes en este mundo de tejidos. Con el CosMx SMI, estas rebanadas se toman muy juntas, lo que nos permite ver pequeños cambios en la actividad genética.

Sin embargo, hay un pero. Los genes a veces pueden moverse un poco más de donde deberían estar en el tejido. Normalmente, si los genes están repartidos uniformemente, esperarías ver un número equilibrado de señales de genes en cada rebanada. Pero eso no siempre es lo que pasa. Por ejemplo, en pruebas en ganglios linfáticos, se encontraron más señales de genes en las rebanadas superiores en comparación con las inferiores. Mientras tanto, en tejidos pulmonares y algunas muestras de cáncer de mama, fue lo opuesto. Esto sugiere que los genes están jugando un poco al escondite, ¡no están donde esperamos que estén!

Además de esto, cuando miramos las rebanadas cerca de la lámina de vidrio donde se encuentra el tejido, notamos que más genes aparecían afuera de las células a las que pertenecen. Esto es un problema para el análisis de datos porque puede introducir mucho ruido. Este ruido es como una multitud de charlas que hace difícil escuchar los mensajes importantes.

Conoce NoButter

Para lidiar con el caos causado por los genes errantes, creamos algo llamado NoButter. Esta es una herramienta para investigadores que les ayuda a manejar el desorden de los datos. Imagínalo como una herramienta especial de limpieza que ayuda a clasificar las señales en los datos. NoButter ayuda a visualizar cómo están distribuidas estas señales de genes en las rebanadas, y puede deshacerse de las señales que están en el lugar equivocado. También crea archivos que están listos para analizar los datos más a fondo.

Cómo Funciona NoButter

Entonces, ¿cómo limpia NoButter estos datos? Primero, los investigadores toman los datos en bruto de las herramientas de imagen. Estos datos contienen toda la información sobre dónde está ubicada cada señal de gen. NoButter tiene varias funciones que ayudan a mirar de cerca los datos para chequear cuántas señales de genes están afuera de las células en las que deberían estar. Como encontrar estas señales mal colocadas puede ser complicado, especialmente en áreas con muchas células, sugerimos mirar rebanadas en los bordes del tejido. Estas rebanadas suelen ofrecer una imagen más clara.

Una vez que NoButter identifica las señales desordenadas, ayuda a los investigadores a filtrarlas, creando un nuevo conjunto de datos más limpio. El paquete también organiza los archivos de datos para hacerlos fáciles de trabajar para análisis posteriores. Es como poner en orden tu habitación desordenada para que puedas encontrar tus cosas luego.

Pruebas en la Vida Real de NoButter

Para ver qué tan bien funciona NoButter, lo probamos con datos de varias muestras, incluidos ganglios linfáticos y tejidos pulmonares. Después de preparar las láminas según ciertas pautas, analizamos los datos y encontramos una cantidad enorme de señales de genes. En un caso, tuvimos más de 19 millones de señales en ganglios linfáticos, pero un pequeño porcentaje estaba en los lugares correctos. Se observó un patrón similar en muestras pulmonares y de cáncer de mama.

A medida que profundizamos, encontramos que un gran bloque de señales de genes estaba en las rebanadas más cercanas a la lámina de vidrio, donde el tejido comenzaba a perder su forma. Esto hace más difícil saber a qué señales de genes pertenecen. Al aplicar NoButter, logramos limpiar un número significativo de señales desajustadas en cada muestra. Terminamos con un nuevo conjunto de señales de genes de alta calidad, listas para un análisis más a fondo.

En Resumen

NoButter proporciona una caja de herramientas útil para que los científicos detecten, corrijan y mejoren la calidad de los datos que provienen de la transcriptómica espacial. Al eliminar señales de genes mal colocadas, podemos mejorar la calidad general de nuestros hallazgos. Esto ayuda a los investigadores a entender cómo funcionan los tejidos y puede llevar a mejores conocimientos sobre la salud y la enfermedad.

Lo emocionante es que NoButter está disponible para todos. Los investigadores pueden acceder fácilmente a él, junto con datos de ejemplo y un tutorial completo sobre cómo usarlo. A medida que seguimos desarrollando NoButter, nuestro objetivo es hacerlo compatible con aún más técnicas de imagen en el futuro.

Así que ahí lo tienes. El loco mundo de la transcriptómica espacial hecho un poco más simple, y con una herramienta genial para ayudar a limpiar las cosas en el camino. La próxima vez que pienses en el funcionamiento interno de los tejidos, recuerda que debajo de la superficie hay un montón de charla de genes ocurriendo, ¡y ahora tenemos una manera de darle sentido!

Fuente original

Título: NoButter: An R package for reducing transcript dis-persion in CosMx Spatial Molecular Imaging Data

Resumen: MotivationAdvances in spatial transcriptomics technologies at single-cell resolution have high-lighted the need for innovative quality assessment approaches and improved analytical tools. Imaging-based spatial transcriptomics technologies, such as the CosMx Spatial Molecular Imager (SMI), provide the location and abundance of transcripts through multifocal imaging. Optical sections (or Z-slices) form a Z-stack that represents the tissue depth. Transcript dispersion can be observed across these Z-slice and introduce considerable levels of technical noise to the data that can negatively impact downstream analysis. Package FunctionalityNoButter is an R package designed to evaluate transcript dispersion in CosMx SMI spatial transcriptomics data. Using the raw data, the transcript distribution is assessed for each Z-slice of a Z-stack across multiple fields of views (FOVs). To systematically identify transcript dispersion, the percentage of transcripts located outside cell boundaries is calculated. Z-slices exhibiting high levels of transcript dispersion can be excluded, while high-confidence transcripts are preserved. Usage ScenarioTo demonstrate the functionalities of NoButter, spatial transcriptomics data was generated using the CosMx SMI for lymph node tissue, a lung sample, and two triple-negative breast cancers (TNBCs). Use cases illustrate substantial transcript dispersion in optical planes closer to the glass slide. In these Z-slices, on average, an additional 10% of the transcripts were discarded using NoButter. Cleaning such Z-slices with high dispersion rates reduces technical noise and improves the overall quality of the spatial transcriptomics data. AvailabilityThe package can be accessed at https://github.com/cancerbioinformatics/NoButter.

Autores: Béibhinn O’Hora, Roman Laddach, Rosamond Nuamah, Elena Alberts, Isobelle Wall, Joseph Bell, David A Johnston, Sonya James, Jeanette Norman, Mark G. Jones, Ciro Chiappini, Anita Grigoriadis, Jelmar Quist

Última actualización: 2024-11-28 00:00:00

Idioma: English

Fuente URL: https://www.biorxiv.org/content/10.1101/2024.11.25.625243

Fuente PDF: https://www.biorxiv.org/content/10.1101/2024.11.25.625243.full.pdf

Licencia: https://creativecommons.org/licenses/by-nc/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a biorxiv por el uso de su interoperabilidad de acceso abierto.

Artículos similares