Математики и биологи из Санкт-Петербурга и Сент-Луиса создали новую методику «сортировки» клеток в образцах биоматериалов, которая поможет очень точно опознавать разные типы телец внутри них. Это сделает диагностику рака намного более точной, говорится в статье, опубликованной в журнале Nature Communications .

«Так как методу не нужна дополнительная информация, он подходит для любых видов тканей и смешанных образцов. Например, в образцах крови можно обнаружить различия в составе иммунных телец после вакцинации, а сейчас мы пытаемся идентифицировать клеточные типы, связанные с выживаемостью пациентов в разных типах рака», — заявил Константин Зайцев из Университета ИТМО в Санкт-Петербурге.

Тело человека содержит в себе свыше двух сотен типов клеток. Все они обладают одной и той же ДНК, однако рисунок активности генов для каждого их «сорта» значительно отличается от того, как ведут себя те же участки генома в других тканях и частях организма. Еще больше различий между ними появляется после того, когда клетки начинают «бунтовать» и образуют раковую опухоль.

И здоровые, и раковые клетки живут внутри нашего тела не одни, а в компании десятков типов других телец, что сильно осложняет их поиск и «сортировку», анализируя так называемый транскриптом, смесь РНК молекул из всего образца в целом, особенно если некоторые из них встречаются в ткани в единичных количествах.

Зайцев и его коллеги смогли заметно упростить, ускорить и повысить точность методик, позволяющих найти раковую «иголку» в этом стоге генетического «сена», обратив внимание на одну интересную закономерность.

Как отмечает пресс-служба университета, российские математики и выходцы из России, работающие в университете Вашингтона в Сент-Луисе, заметили, что все гены, активные только в одном конкретном типе клеток, будут вести себя схожим образом. Иначе говоря, частота их «чтения» клеткой может быть разной, однако доли связанных с ними молекул РНК в транскриптоме можно вычислить по простой линейной формуле. Используя эту закономерность, можно вычислить своеобразные «сети» из подобных уникальных генов для каждого типа клеток и использовать их для идентификации и даже подсчета подобных телец внутри ткани.

Когда ученые создали «сортировочный» алгоритм на базе этой идеи, они начали проверять его работу на здоровых тканях, полноценных опухолях на культурах раковых клеток, перемешанных друг с другом. Эти наблюдения неожиданно указали на крайне важную особенность транскриптома, которую упускали из виду остальные алгоритмы его анализа.

Дело в том, что ученые не учитывали, что «размеры клетки» – общее количество молекул РНК в ней – могут в разы отличаться для различных здоровых или раковых телец. К примеру, лимфоциты содержат в себе заметно больше подобных цепочек нуклеотидов, чем их «кузены»-нейтрофилы, а размеры двух популярных типов «лабораторных» раковых клеток, HEK293 и Jurkat, отличались примерно в десять раз.

«Мы обнаружили, что существующие алгоритмы в таком случае всегда будут ошибаться в количестве клеток, потому что они оценивают количество РНК в образце, а не количество клеток. Но если проводить измерения, добавляя к каждому образцу известное количество искусственной РНК, то пропорции клеточных типов можно предсказать точнее», – продолжает Зайцев.

Когда российские исследователи ликвидировали эти погрешности, они получили очень точную методику «сортировки» клеток, которая может находить даже самые небольшие следы рака или интересующих ученых телец даже в самых сложных и неизученных образцах тканей. Сейчас ученые изучают геномы различных раковых клеток для определения «сетей» их уникальных генов, необходимых для точного определения типов опухолей и оценки шансов пациентов на выживание.