Apresentando o MUSTARD: Uma Nova Abordagem para Análise de scRNA-seq

Estudos recentes que reúnem dados de Sequenciamento de RNA de célula única (scRNA-seq) de várias Amostras e condições oferecem uma oportunidade valiosa para conectar detalhes a nível celular com características de doença mais amplas. Isso é especialmente importante para entender doenças como a COVID-19, onde pesquisadores coletaram dados de pacientes com diferentes níveis de gravidade. Embora existam muitos métodos disponíveis para analisar as diferenças na Expressão Gênica em diferentes condições, opções para examinar dados não supervisionados de múltiplas amostras são mais limitadas. Uma abordagem comum em estudos de célula única é a redução de dimensão, que simplifica dados complexos em formas mais compreensíveis. Métodos como t-SNE e UMAP foram usados, mas tendem a focar em amostras únicas, dificultando a conexão dos resultados com as diferenças em vários estados de doença.

#Necessidade de Novos Métodos

A maioria dos métodos existentes é projetada para combinar dados de várias amostras, em vez de destacar o que distingue essas amostras. Além disso, muitas dessas técnicas se concentram apenas em reduzir dimensões de dados em nível celular, tornando desafiador ver como isso se relaciona com as características gerais das amostras. É importante ressaltar que os métodos atuais frequentemente ignoram a ideia de informações pseudotemporais, que são fundamentais para entender como os processos biológicos se desenrolam ao longo do tempo. Ao estudar células ao longo de um caminho pseudotemporal, os pesquisadores podem captar a natureza dinâmica das mudanças biológicas.

#Apresentando o MUSTARD

Apresentamos a Redução de Dimensões Assistida por Trajetória em Múltiplas Amostras (MUSTARD), uma nova abordagem para reduzir dimensões em dados de scRNA-seq de múltiplas amostras. O MUSTARD se destaca porque usa informações de células individuais para criar uma visão mais simples dos dados, enquanto conecta a diversidade das amostras com a atividade gênica e mudanças pseudotemporais. O método requer três tipos de dados de entrada: uma matriz mostrando a expressão gênica para todas as células, uma lista indicando a qual amostra cada célula pertence, e os valores de Pseudotempo para cada célula. Após os passos padrão de pré-processamento de dados, os dados são estruturados em um tensor tridimensional que captura amostras, genes e pseudotempo. Isso permite a extração de componentes de baixa dimensão, revelando diferenças entre amostras, padrões de expressão gênica principais e vias biológicas chave.

#Estudos de Simulação com MUSTARD

Para mostrar a eficácia do MUSTARD, primeiro fizemos simulações usando um conjunto de dados de pacientes com COVID-19. Neste projeto, queríamos ver como os padrões de expressão gênica mudam ao longo do pseudotempo, observando três padrões diferentes de mudança entre as amostras. O MUSTARD conseguiu decompor esses dados simulados em insights significativos que destacaram diferenças na atividade gênica e características das amostras. Quando comparado a métodos tradicionais que faziam média dos dados de expressão gênica (conhecido como Pseudobulk-PCA), o MUSTARD mostrou uma capacidade muito mais forte de diferenciar grupos de pacientes. Isso é crucial para entender as respostas variadas aos tratamentos e a progressão das doenças.

#Aplicação a Dados Reais

Depois, aplicamos o MUSTARD a dados reais de pacientes com COVID-19, testando amostras de indivíduos com sintomas leves, moderados, severos e doadores saudáveis. Ao construir um caminho pseudotemporal de células T naïve para células T CD8+, conseguimos criar uma visão clara de como diferentes amostras se relacionam ao longo do tempo. Os resultados mostraram que o MUSTARD poderia capturar efetivamente as principais tendências de expressão e separar amostras com base nos níveis de gravidade. Esse insight é importante, pois pode ajudar a identificar genes específicos que estão ativos em pacientes com diferentes gravidades da doença.

#Carregamentos Gênicos e Padrões Temporais

Ao examinar os principais genes identificados em nossos componentes, podemos ver que a análise do MUSTARD aponta para genes bem conhecidos envolvidos na ativação de células T. Por exemplo, alguns genes mostraram tendências de aumento ao longo do tempo, enquanto outros exibiram padrões de diminuição à medida que a doença progredia. Essas informações não apenas ajudam a entender as diferenças entre os pacientes, mas também destacam como genes específicos estão envolvidos na resposta imunológica à COVID-19.

#Validando Resultados em Vários Estudos

Para confirmar ainda mais a confiabilidade do MUSTARD, aplicamos a outro conjunto de dados de COVID-19 de diferentes centros. As comparações revelaram que padrões semelhantes foram observados, fornecendo fortes evidências para a consistência de nossas descobertas em estudos variados. O método conseguiu capturar efeitos de lote - variações nos dados devido a diferenças no processamento das amostras - o que é crucial para garantir resultados precisos em grandes conjuntos de dados.

#Vantagens do MUSTARD

Um grande benefício do MUSTARD é sua capacidade de detectar diferenças a nível de amostra que outros métodos podem perder. Enquanto abordagens tradicionais geralmente dependem de médias que podem esconder a verdadeira variabilidade, o MUSTARD revela padrões subjacentes que destacam as diferenças entre os pacientes. Ao considerar fatores temporais e relacionamentos gênicos, o método fornece uma compreensão mais nuançada dos processos da doença e pode levar a novas descobertas sobre várias condições de saúde.

#Análise de Módulos Gênicos

Além disso, os carregamentos gênicos do MUSTARD podem ser usados para formar grupos de genes que apresentam comportamentos semelhantes ao longo do tempo. Ao contrário de outros métodos que analisam cada gene individualmente, o MUSTARD permite a agregação de sinais de múltiplos genes conectados a fontes de variação conhecidas e desconhecidas. Essa abordagem leva a uma melhor compreensão dos processos biológicos envolvidos.

#Aplicação a Outras Doenças

Nós também testamos o MUSTARD em um conjunto de dados de tuberculose (TB) para validar sua flexibilidade. Ao aplicar uma trajetória predefinida refletindo funções das células T, encontramos que o método capturou efetivamente diferenças relacionadas ao sexo e outros fatores significativos. Os resultados mostraram tendências consistentes semelhantes às encontradas nos estudos de COVID-19, demonstrando a versatilidade da nossa abordagem em diferentes contextos biológicos.

#Conclusão

Em resumo, o MUSTARD é uma ferramenta poderosa para reduzir dimensões em dados de scRNA-seq de múltiplas amostras. Ao utilizar trajetórias pseudotemporais para guiar sua análise, ele abre portas para entender melhor processos biológicos complexos. Os usuários podem adaptar o método com base em suas necessidades específicas, seja definindo trajetórias ou examinando vários fatores. Essa flexibilidade torna o MUSTARD uma adição valiosa ao conjunto de ferramentas para analisar dados de célula única, promovendo novas descobertas em biologia e medicina. O foco futuro incluirá aprimorar o MUSTARD para trabalhar com estruturas de dados mais complexas, visando melhorar ainda mais sua utilidade no estudo de diversos processos biológicos.