Американские ученые разработали метод, который позволит легче создавать 3D-атласы тканей. Это актуально для анализа опухолей или любых других образцов тканей. Исследование опубликовано в журнале Nature Methods.
Чаще всего для анализа ткани пациента или лабораторного животного ученые отбирают фрагмент ткани и анализируют его. Для этого может делаться несколько тонких срезов образца, которые впоследствии изучаются под микроскопом или проверяются на присутствие конкретных молекул. Тем не менее время, денежные затраты и вычислительные мощности, необходимые для анализа каждого такого среза, часто велики. Поэтому ученым приходится ограничиваться лишь несколькими срезами из разных частей органа. При этом при получении срезов и их обработке они могут повреждаться. Все это затрудняет анализ и не дает ученым понять, как именно эти срезы соотносятся с трехмерной структурой ткани.
Чтобы решить эту проблему, американские исследователи применили статистический подход — двухслойный гауссовский процесс (GPSA). В качестве исходных данных в этом случае ученые используют 2D-данные от срезов тканей — например, данные пространственной геномики, которые сообщают об уровне экспрессии генов в разных точках среза. Статистическая модель сначала создает 3D-модель ткани на основе 2D-данных, а затем соотносит с каждой точкой 3D-модели конкретные данные из срезов. При этом модель заполняет пробелы между срезами, удаленными друг от друга, предсказывая уровень экспрессии генов или белков в каждой точке ткани. В итоге получается 3D-атлас ткани. Так, допустим, ученые сделали четыре среза из разных участков в опухоли молочной железы от пациента, и для каждого среза есть данные по экспрессии 20 тысяч генов. GPSA присваивает каждой координате x, y и z в 3D-атласе данные от этих срезов, поэтому для каждой точки в опухоли можно получить данные по экспрессии этих 20 тысяч генов и узнать, насколько точна эта оценка.
С помощью GPSA ученые смогут создавать атласы, используя срезы неодинаковых размеров, полученные с помощью разных технологий и так далее. В целом GPSA значительно упростит процесс создания атласов. Помимо этого, в таких атласах можно отразить несколько разных типов данных: не только об экспрессии генов, но и, например, о клеточной структуре. Помимо этого, атласы можно улучшить, если использовать срезы тканей, отобранные через разное время. Такие атласы смогут предсказывать, как опухоль меняется со временем. Это поможет в понимании старения, прогрессии болезней, развития организма.
Сейчас ученые проводят различные анализы, демонстрирующие гибкость их подхода. Например, они разработали метод, который позволит определить, сколько срезов ткани необходимо для создания атласа и из каких участков ткани их нужно брать. Это поможет лабораториям сэкономить финансы и при этом получить данные, ценные для фундаментальных исследований и клиники.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
