Une nouvelle approche pour prédire les réponses aux perturbations de l’expression des gènes dans une cellule unique

Le développement rapide des technologies de séquençage d’ARN unicellulaire a permis d’étudier l’impact des perturbations externes sur l’expression des gènes au niveau des cellules individuelles.

Cependant, dans certains cas, l’obtention d’échantillons perturbés peut s’avérer assez difficile, et le coût élevé associé au séquençage limite également la faisabilité d’expériences à grande échelle, nécessitant des méthodes informatiques pour prédire les réponses aux perturbations de l’expression des gènes dans une seule cellule.

Par exemple, l’exploitation des données existantes avec des perturbations induites par des médicaments pour prédire les réponses dans de nouveaux échantillons pourrait fournir des indications précieuses pour le diagnostic et le traitement cliniques. Malgré l’existence de plusieurs méthodes, il reste encore beaucoup à faire pour améliorer la précision des prédictions.

Pour répondre à ces questions, l’équipe de recherche dirigée par Shengquan Chen a proposé SCREEN, un modèle génératif basé sur un autoencodeur variationnel masqué et une cartographie de transport optimale. Le travail est publié dans le journal Les frontières de l’informatique.

Des expériences approfondies sur divers ensembles de données ont démontré que SCREEN surpasse considérablement les méthodes de base dans la prédiction des réponses aux perturbations des cellules individuelles.

En outre, l’équipe a démontré la robustesse de SCREEN face au bruit des données, au nombre de types de cellules et au déséquilibre des types de cellules, ce qui indique son applicabilité plus large dans divers scénarios. Ils ont également démontré la capacité de SCREEN à faciliter les implications biologiques dans l’analyse en aval, suggérant son grand potentiel pour l’analyse des perturbations à cellule unique.