Comprendre comment les cellules se transforment en types spécialisés pendant le développement humain est un défi central en biologie. Ce processus complexe, connu sous le nom de différenciation cellulaire, maintient la clé pour comprendre la biologie du développement et faire progresser la médecine régénérative. Une équipe de chercheurs au Japon a développé un nouvel outil de calcul, SCEGOT, qui fournit de nouvelles informations sur ce processus en abordant les limites des méthodes précédentes et en permettant l’analyse de la dynamique des cellules uniques à travers différents types de cellules.
Publié dans BMC Bioinformatiquele étude axé sur le processus d’induction des cellules de type cellulaire germinale primordiale humaine (HPGCLC) à partir de cellules souches pluripotentes humaines, qui ont le potentiel de devenir des cellules reproductrices telles que les œufs et les spermatozoïdes. SCEGOT, qui est abrégé pour le cadre d’inférence de trajectoire à une seule cellule basée sur un transport optimal de mélange gaussien entropique, est un cadre complet qui permet aux chercheurs de cartographier les trajectoires de différenciation des cellules dynamiques, d’identifier les points de transition clés et de découvrir les rôles des gènes régularites ces processus.
Contrairement aux méthodes existantes, SCEGOT offre à la fois une interprétabilité élevée (ce qui signifie qu’elle peut être facilement comprise) et une efficacité de calcul élevée (ce qui signifie qu’elle ne nécessite pas autant de ressources informatiques), ce qui en fait un outil utile pour l’analyse des données à cellule unique.
L’un des principaux défis de l’étude de la différenciation cellulaire est de capturer des états cellulaires intermédiaires – des phases transitionnelles qui sont essentielles pour comprendre comment les cellules progressent d’un état à l’autre. Les méthodes traditionnelles manquent souvent de précision pour identifier ces phases ou s’appuyer sur des approches coûteuses et opaques en calcul telles que les réseaux de neurones.
« Ce projet vise à surmonter ces limites en fournissant un cadre mathématiquement rigoureux et biologiquement interprétable », a expliqué le Dr Toshiaki Yachimura, chercheur principal de ce projet.
Les chercheurs ont appliqué SCEGOT pour analyser le processus d’induction des HPGCLC, révélant de nouveaux détails sur les gènes et les voies impliqués. Ils ont identifié la population progénitrice de HPGCLC et ont déterminé le moment exact où ces cellules divergent des lignées somatiques – des cellules qui forment les tissus et les organes du corps.
L’analyse a suggéré que le réseau de régulation des gènes impliquant TFAP2A et NKX1-2 joue un rôle important dans la spécification des progéniteurs HPGCLC. Il a également révélé que des gènes comme MESP1 et GATA6 sont essentiels pour conduire la différenciation des lignées somatiques. Ces résultats fournissent une image plus claire de la façon dont le développement humain précoce se déroule et offre des indices précieux pour les applications de médecine régénérative.
À l’avenir, les chercheurs prévoient d’étendre les capacités de SCEGOT pour inclure d’autres types de données à cellule unique, telles que Scatac-Seq, qui étudie les facteurs épigénétiques – des modifications chimiques qui influencent l’activité des gènes. They aim to integrate datasets of multiple types of biological molecules, so-called multi-omics data, such as transcriptomic data (transcribed RNA) and epigenomic data (chemical modifications to DNA), in order to create a comprehensive picture of gene regulation and the Dynamique de la différenciation cellulaire.
« SCEGOT est une méthode polyvalente et axée sur les données qui peut faire progresser notre compréhension de la dynamique de la différenciation cellulaire », a commenté le Dr Yachimura. « En découvrant les mécanismes épigénétiques et les voies de différenciation, il a le potentiel de révolutionner la biologie du développement. »
Cette recherche met en évidence l’importance d’intégrer la biologie et les mathématiques pour s’attaquer aux questions scientifiques fondamentales. Alors que des outils comme SCEGOT deviennent plus largement adoptés, ils promettent d’accélérer les découvertes de la biologie du développement et au-delà, nous rapprochant de la compréhension des mécanismes de vie lui-même.
Plus d’informations:
Toshiaki Yachimura et al, SCEGOT: Cadre d’inférence de trajectoire unique à base de transport optimal du mélange gaussien entropique, BMC Bioinformatique (2024). Doi: 10.1186 / s12859-024-05988-z