Rak počinje sa abnormalnim promenama u pojedinačnim ćelijama, a sposobnost praćenja akumulacije mutacija na nivou jedne ćelije može baciti novo svetlo na rane stadijume bolesti. Takvo znanje bi moglo omogućiti efikasnije rano otkrivanje i opcije lečenja za pacijente, kao i preciznije predviđanje progresije bolesti.
Prema članku u Nature Communications, tim istraživača sa Univerziteta Rajs predvođen Luajem Naklehom razvio je platformu za integraciju DNK i RNK podataka iz sekvenciranja jedne ćelije sa većom brzinom i preciznošću od novijih, najsavremenijih tehnologij.
Metoda, mapiranje nukleinske kiseline unakrsnih domena ili MaCroDNK, oslanja se na klasični algoritam za identifikaciju podudarnih parova podataka iz DNK – genetskog plana ćelije – i RNK – uputstva za ćeliju sa uputstvima za sastavljanje proteina.
„Zamislite da vam se daju dva velika skupa fotografija automobila sa zamagljenim registarskim tablicama i drugim identifikacionim karakteristikama“, rekao je Mohammadamin Edrisi, dr Rajs. student informatike i glavni autor studije.
„Jedan set sadrži fotografije automobila snimljenih s prednje strane, dok drugi set ima fotografije zadnjeg dela automobila, a neko traži od vas da pronađete parove fotografija koji pripadaju istom automobilu. Ovo je metafora za problem pokušali smo da rešimo. Automobili su ćelije raka, a dva seta fotografija su merenja DNK i RNK podataka.“
U stvari, scenario za koji je MaCroDNA dizajniran da odgovori je složeniji od toga.
„U tipičnom eksperimentu sekvencioniranja raka u jednoj ćeliji, skupovi podataka o DNK i RNK se dobijaju iz različitih ćelija u uzorku tumora“, rekao je Nakhleh, stariji autor studije. „Dakle, podudaranje u takvom scenariju se dešava između ćelija za koje znamo da nisu iste ćelije.“
„Da nastavimo analogiju, zamislite da je svaka fotografija snimljena na prednjoj ili zadnjoj strani drugog Toiotinog automobila, i želimo da uparimo parove fotografija koje pripadaju automobilu istog modela—prednji i zadnji deo Tojote Kamrija , Toiota Corolla, itd. Različiti modeli automobila ovde su analogni različitim klonovima unutar heterogenog tumora, gde se očekuje da svaki klon ima veoma slične, ali ne potpuno identične, DNK i RNK potpise u svim ćelijama unutar klona.“
Sekvenciranje jedne ćelije značajno se razvilo tokom protekle decenije, što je dovelo do otkrića u različitim oblastima biologije. Ova tehnika sekvenciranja je efikasan alat za proučavanje kako promene na nivou genetskog koda utiču na sastav ili funkcionisanje ćelija, što olakšava praćenje tipova transformacija koje pretvaraju populaciju zdravih ćelija u maligno tkivo.
„Ćelije raka pokazuju abnormalne RNK obrasce, a jedan od razloga za to su mutacije DNK“, rekao je Edrisi.
U svojoj potrazi da identifikuju najbolji alat za taj zadatak, istraživači su testirali različite metode u odnosu na pravi biološki skup podataka sa poznatim podudarnim parovima DNK-RNA.
„Testirali smo najsavremeniju metodu – nazvanu clonealign – i druge široko korišćene metode koristeći pravi skup podataka sa osnovnim istinitim informacijama za merenje tačnosti“, rekao je Edrisi. „Interesantno je da je korišćenje ovog skupa podataka bila jedna od novina u našem radu. Prethodne studije su se oslanjale na simulirane podatke za merenje tačnosti, iako ne postoji naučni konsenzus o tome kako da se simulira takve podatke.“
Od različitih tehnologija mašinskog učenja koje su testirali, istraživači su otkrili da je korišćenje klasičnog koeficijenta korelacije i maksimalno ponderisanog algoritma bipartitnog podudaranja dalo najtačnije rezultate. Drugim rečima, MaCroDNA je nadmašila clonealign sa značajnom razlikom.
„Iznenađujući deo našeg rada bio je da je korišćenje klasične korelacije umesto komplikovane formule clonealign-a i njeno uključivanje u algoritam iz 1950-ih dovelo do najbolje preciznosti kojoj smo ikada bili svedoci“, rekao je Edrisi. „Pouka je da nikada ne treba da sudimo o algoritmu na osnovu njegove složenosti. Dajte mu šansu i uverite se da je upoređen sa ostalima u poštenom okruženju.“
Metoda je dostupna za upotrebu u istraživanju raka o ulozi DNK-RNA dinamike u nastanku raka.
