scRNA-seq

Исследователи представили GeoBridge — инновационный вычислительный фреймворк, предназначенный для моделирования клеточной динамики на основе теории изометрических геодезических линий. Основная проблема текущих методов scRNA-seq заключается в том, что они предоставляют лишь разрозненные «снимки» состояний клеток, что затрудняет реконструкцию непрерывных процессов. GeoBridge решает эту задачу, преобразуя сложные нелинейные транскрипционные траектории в линейные геодезические линии с постоянной скоростью в латентном пространстве. Это позволяет не только восстанавливать ненаблюдаемые промежуточные состояния клеток, но и осуществлять управляемую навигацию между различными клеточными фенотипами. Метод демонстрирует высокую устойчивость к шуму и разреженности данных, позволяя выявлять гены-драйверы, управляющие прогрессией вдоль геодезических путей. В ходе тестирования на различных биологических системах GeoBridge успешно разрешил динамику развития и обеспечил возможность моделирования переходов между множественными конечными точками дифференцировки, что открывает новые горизонты в управлении клеточными состояниями.

Исследователи представили CardamomOT — новый вычислительный метод, предназначенный для решения критической проблемы в биоинформатике: невозможности прямого измерения динамики белков на уровне отдельных клеток. В отличие от предыдущих алгоритмов, CardamomOT использует концепцию механистического оптимального транспорта для совместной реконструкции генных регуляторных сетей (GRN) и скрытых траекторий белков на основе данных scRNA-seq. Методология позволяет интегрировать точные временные метки и априорные знания о кинетике белков из литературы, что значительно снижает количество необходимых гиперпараметров. В ходе валидации на симулированных и экспериментальных наборах данных метод продемонстрировал превосходство над современными аналогами (SOTA) в точности калибровки GRN и восстановлении полей скоростей, определяющих клеточные траектории. Важной особенностью является способность модели выступать в роли генеративной системы, способной предсказывать клеточные ответы на новые, ранее не наблюдавшиеся возмущения. Это делает CardamomOT мощным инструментом для изучения процессов дифференцировки и репрограммирования клеток.

В данном исследовании представлен систематический сравнительный анализ шести популярных вычислительных инструментов (CellBender, DecontX, SoupX, scCDC, scAR и CellClear), предназначенных для удаления фоновой РНК (ambient RNA) при секвенировании РНК единичных клеток и ядер. Исследователи протестировали инструменты на шести наборах данных, включая смешанные клеточные линии человека и мыши, данные PBMC и префронтальной коры, а также данные платформы BD Rhapsody. Ключевым открытием стало то, что инструменты scAR и CellClear не просто очищают данные, а фундаментально искажают матрицы отсчетов: CellClear заменяет более 93% значений данными, полученными методом матричной факторизации, а scAR создает ложные типы клеток, отсутствующие в исходных данных. В то же время CellBender и SoupX показали высокую надежность при минимальном искажении данных. Исследование подчеркивает, что при выборе инструментов для коррекции фонового шума приоритетным критерием должна быть целостность матрицы отсчетов, а не только чувствительность к удалению загрязнений. Авторы предлагают готовую систему рекомендаций в зависимости от используемой экспериментальной платформы.

В исследовании представлен MitoChontrol — новый вероятностный фреймворк, предназначенный для интеллектуального контроля качества данных секвенирования РНК единичных клеток (scRNA-seq). Традиционные методы используют фиксированные пороги процента митохондриальных транскриптов, что часто приводит к ошибочному удалению здоровых, но метаболически активных клеток, или сохранению поврежденных образцов. Авторы предлагают моделировать долю митохондриальных транскриптов внутри транскрипционно когерентных кластеров с помощью распределения гауссовых смесей. Это позволяет определять пороги фильтрации на основе апостериорной вероятности повреждения клетки, учитывая специфику конкретного типа ткани. Тестирование на данных аденокарциномы протоков поджелудочной железы и контролируемых экспериментах показало, что MitoChontrol превосходит стандартные методы по точности селекции. Метод эффективно удаляет деградировавшие клетки, сохраняя при этом биологически значимые популяции с повышенным содержанием митохондриальной РНК, что критически важно для точного анализа сложных патологий.