Une équipe de chercheurs de Vanderbilt a publié une nouvelle étude comparative qui vise à aider les scientifiques à sélectionner les méthodes les plus efficaces pour analyser les données de transcriptomique spatiale (ST).
L’étude dirigée par Xin Maizie Zhou, professeur adjoint de génie biomédical et d’informatique, évalue les outils informatiques de transcriptomique spatiale (ST), une technologie utilisée pour cartographier les modèles d’expression génique dans les tissus tout en préservant le contexte spatial. C’était récemment publié dans Biologie du génome.
ST consiste à découper un échantillon de tissu et à le placer sur une lame spécialement conçue avec des codes-barres spatialement indexés. Lorsque le tissu est traité, l’acide ribonucléique (ARN) présent à chaque emplacement spécifique du tissu est capturé par ces codes-barres. Après le séquençage de l’ARN, les données peuvent être cartographiées vers les emplacements tissulaires d’origine, permettant aux chercheurs de visualiser où certains gènes sont exprimés dans l’architecture tissulaire.
Depuis le début de son utilisation généralisée en 2020, cette technologie de séquençage révolutionnaire a révolutionné la compréhension des tissus complexes. Les applications de la ST incluent la recherche sur le cancer et les neurosciences, telles que la cartographie de l’expression des gènes dans certaines parties du cerveau pour comprendre les fonctions régionales ou les mécanismes de la maladie.
Cependant, la variété des outils disponibles pour analyser les données de ST peut être écrasante, ce qui rend difficile le choix de la bonne approche pour des besoins de recherche spécifiques.
Pour résoudre ce problème, l’équipe Vanderbilt a systématiquement comparé 16 méthodes de clustering, cinq méthodes d’alignement et cinq méthodes d’intégration sur une variété d’ensembles de données. Leurs résultats offrent des recommandations pratiques aux chercheurs travaillant avec la transcriptomique spatiale, les aidant à identifier les outils qui correspondent le mieux à leurs besoins de recherche.
« Notre objectif était de fournir un guide clair et accessible aux chercheurs naviguant parmi les options disponibles en analyse transcriptomique spatiale », a déclaré Zhou, qui fait partie du corps professoral de l’Institut trans-institutionnel des sciences des données de Vanderbilt. « Nous espérons que cette étude constituera une ressource utile pour quiconque travaille dans ce domaine en croissance rapide. »
Plus d’informations :
Yunfei Hu et al, Analyse comparative des méthodes de regroupement, d’alignement et d’intégration pour la transcriptomique spatiale, Biologie du génome (2024). DOI : 10.1186/s13059-024-03361-0