Uma Nova Ferramenta para Analisar a Atividade Gênica em Tecidos
NoButter ajuda a melhorar a qualidade dos dados de transcriptômica espacial para uma análise de tecido melhor.
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 min ler
Índice
A Transcriptômica Espacial é uma forma chique de ver como os genes estão ativos em diferentes partes de um tecido. Pense nisso como ler um livro onde cada página é na verdade um pedaço de tecido. Cada palavra na página é um gene, e agora podemos ver onde cada gene está ativo nesse tecido. Isso é importante porque saber onde esses genes estão 'falando' pode ajudar a entender como os Tecidos são formados e como funcionam.
A Tecnologia por Trás Disso
Tem várias ferramentas novas pra fazer esse tipo de trabalho, e elas se dividem em dois tipos principais: tecnologias baseadas em sequenciamento e baseadas em imagem. O sequenciamento olha a atividade dos genes de uma forma mais generalizada, enquanto a imagem nos dá uma visão mais próxima, quase como usar uma câmera pra dar zoom em partes específicas de uma página. Mas com toda essa nova tecnologia, ainda estamos tentando descobrir como checar se os dados que obtemos são de boa qualidade.
Qual é a Grande Sacada das Imagens?
Quando usamos técnicas de imagem como o CosMx Spatial Molecular Imager ou Xenium, a posição exata da atividade de cada gene é super importante. Se não soubermos onde um gene tá localizado, fica difícil dizer a que célula ele pertence, e isso pode bagunçar nossos resultados. Agora, os cientistas costumam usar verificações de qualidade que foram criadas para sequenciamento de RNA normal. Mas eles realmente precisam de checagens especiais só pra esses novos métodos de imagem.
Detecção de Transcritos e Desafios
Na imagem, capturamos imagens em diferentes níveis, meio que como tirar fatias de pão de um pão. Essas fatias mostram como os genes estão se comportando nesse mundo do tecido. Com o CosMx SMI, essas fatias são tiradas bem próximas umas das outras, permitindo ver pequenas mudanças na atividade dos genes.
Mas tem um porém. Os genes às vezes podem se mover um pouco demais do lugar onde deveriam estar no tecido. Normalmente, se os genes estão distribuídos uniformemente, você esperaria ver um número equilibrado de sinais de genes em cada fatia. Mas isso nem sempre acontece. Por exemplo, em testes em linfonodos, mais sinais de genes foram encontrados nas fatias superiores comparado com as inferiores. Enquanto isso, em tecido pulmonar e algumas amostras de câncer de mama, foi o contrário. Isso sugere que os genes estão jogando um pouco de esconde-esconde - não estão onde esperamos que estejam!
Além disso, quando olhamos para as fatias perto do slides de vidro onde o tecido está, notamos que mais genes estavam aparecendo fora das células a que pertencem. Isso é um problema para a análise de dados porque pode introduzir muito ruído. Esse ruído é como uma multidão de conversas que dificulta ouvir as mensagens importantes.
Conheça o NoButter
Pra lidar com a bagunça causada por genes perdidos, criamos algo chamado NoButter. Essa é uma ferramenta para pesquisadores que os ajuda a enfrentar a desordem dos dados. Imagine isso como uma ferramenta de limpeza especial que ajuda a organizar os sinais nos dados. O NoButter ajuda a visualizar como esses sinais de genes estão espalhados nas fatias, e pode eliminar sinais que estão no lugar errado. Também cria arquivos prontos pra análises mais profundas.
Como o NoButter Funciona
Então, como o NoButter limpa esses dados? Primeiro, os pesquisadores pegam os dados brutos das ferramentas de imagem. Esses dados contêm todas as informações sobre onde cada sinal de gene está localizado. O NoButter tem várias funções que ajudam a olhar de perto os dados pra checar quantos sinais de gene estão fora das células a que deveriam pertencer. Como encontrar esses sinais fora do lugar pode ser complicado, especialmente em áreas com muitas células, sugerimos olhar para fatias nas bordas do tecido. Essas fatias muitas vezes fornecem uma imagem mais clara.
Uma vez que o NoButter identifica os sinais bagunçados, ele ajuda os pesquisadores a filtrá-los, criando um novo conjunto de dados mais limpo. O pacote também organiza os arquivos de dados pra facilitar o trabalho em análises posteriores. É como colocar seu quarto bagunçado em ordem pra você poder encontrar suas coisas mais tarde.
Testes Práticos do NoButter
Pra ver como o NoButter funciona, testamos com dados de várias amostras, incluindo linfonodos e tecidos pulmonares. Depois de preparar as lâminas de acordo com certas diretrizes, analisamos os dados e encontramos um número enorme de sinais de genes. Em um caso, tivemos mais de 19 milhões de sinais em linfonodos, mas uma pequena porcentagem estava nos lugares certos. Um padrão similar foi observado em amostras de pulmão e câncer de mama.
Enquanto investigávamos mais a fundo, encontramos que uma grande parte dos sinais de genes estava nas fatias mais próximas ao slide de vidro, onde o tecido estava começando a perder a forma. Isso dificulta saber a que sinais de genes pertencem. Ao aplicar o NoButter, conseguimos limpar um número significativo de sinais incompatíveis em cada amostra. Terminamos com um novo conjunto de sinais de genes de alta qualidade, prontos pra análises mais profundas.
Em Resumo
O NoButter oferece uma caixa de ferramentas útil para cientistas detectarem, corrigirem e melhorarem a qualidade dos dados que vêm da transcriptômica espacial. Ao remover sinais de genes fora de lugar, podemos melhorar a qualidade geral das nossas descobertas. Isso ajuda os pesquisadores a entender como os tecidos funcionam e pode levar a melhores insights sobre saúde e doenças.
A parte empolgante é que o NoButter tá disponível pra todo mundo! Pesquisadores podem acessá-lo facilmente, junto com dados de exemplo e um tutorial completo sobre como usá-lo. Conforme continuamos a desenvolver o NoButter, nosso objetivo é torná-lo compatível com ainda mais técnicas de imagem no futuro.
Então, é isso! O mundo maluco da transcriptômica espacial ficou um pouco mais simples, e com uma ferramenta legal pra ajudar a organizar as coisas no caminho. Da próxima vez que você pensar sobre o funcionamento interno dos tecidos, lembre-se de que, por baixo da superfície, rola uma conversa de genes acontecendo, e agora temos uma forma de entender isso!
Título: NoButter: An R package for reducing transcript dis-persion in CosMx Spatial Molecular Imaging Data
Resumo: 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 atualização: 2024-11-28 00:00:00
Idioma: English
Fonte URL: https://www.biorxiv.org/content/10.1101/2024.11.25.625243
Fonte PDF: https://www.biorxiv.org/content/10.1101/2024.11.25.625243.full.pdf
Licença: https://creativecommons.org/licenses/by-nc/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao biorxiv pela utilização da sua interoperabilidade de acesso aberto.