Nova statistička tehnika koju je razvio istraživač sa Teksaškog univerziteta A&M za javno zdravlje i kolege na drugim mestima nudi sveže uvide u to kako bolesti utiču na pojedinačne ćelije. Ova inovativna metoda, poznata kao hibridno Bajesovo zaključivanje, kombinuje različite statističke pristupe kako bi bolje razumela složene bolesti poput idiopatske plućne fibroze, koja je dugo zbunjivala naučnike zbog svoje neuhvatljive prirode.
Tehniku su tokom protekle decenije razvili Gang Han, doktor nauka, i drugi za upotrebu kada su prethodne informacije dostupne za neke parametre, ali ne i za druge. Ovaj pristup otvara put preciznijim medicinskim otkrićima u mnogim oblastima.
„Ovaj hibridni pristup je bolji od frekventističkog zaključivanja jer uključuje prethodne informacije i takođe bolji od Bajesovog zaključka jer smanjuje problem pristrasnosti koji je rezultat neinformativnih prioriteta, što može biti značajno sa malim veličinama uzorka“, rekao je Han, koji je profesor na Školi narodnog zdravlja.
Trenutna tehnologija sekvenciranja jednoćelijske RNK suočava se sa istim izazovom kada je u pitanju identifikacija gena od interesa. Diferencijalno eksprimirani geni se mogu identifikovati udruživanjem jednoćelijske RNK sekvenciranja u iste biološke replike, ali mala veličina uzorka smanjuje njihovu moć. S druge strane, prikupljanje velikih uzoraka teško je moguće zbog visokih troškova i produženog sticanja pacijenata sa određenim bolestima.
Za svoju trenutnu studiju u humanoj genomici, Han i kolege iz farmaceutske kompanije Eli Lilli and Compani primenili su hibridni okvir Bajesovske frekvencije na studiju slučaja koja uključuje idiopatsku plućnu fibrozu. Koristeći polusintetički izvor podataka o jednoćelijskom sekvenciranju RNK hipotalamusa miša, istraživači su proučavali statističku moć i stopu lažnog otkrivanja Bajesovog frekventnog hibridnog zaključivanja u poređenju sa drugim metodama analize.
Zatim su koristili sve tri metode – Bajesovsko frekventističko hibridno zaključivanje, frekventne i Bajesovske metode – da analiziraju podatke o ekspresiji gena iz skupa podataka plućnog tkiva. Konkretno, proučavali su povezanost između idiopatske plućne fibroze i transformišućeg faktora rasta beta 1, prilagođavajući verovatnoću da ćelije budu ćelije alveolarnih makrofaga.
Istraživači su otkrili da je Bajesov frekventistički hibridni zaključak identifikovao više gena od interesa sve dok postoji odgovarajući informativni prethodni i da su ovi geni razumni na osnovu trenutnog znanja o idiopatskoj plućnoj fibrozi. Kada su korišćeni frekventno zaključivanje i Bajesovo zaključivanje, ili nisu pronađeni različito eksprimirani geni, ili samo mali broj.
„Naš najneobičniji nalaz je bio da naša metoda može pokrenuti potpunu analizu puta za identifikaciju gena povezanih sa statusom bolesti određene vrste ćelija“, rekao je Han. „To znači da može identifikovati značajne gene u određenoj vrsti ćelije koji su relevantni za određenu bolest s obzirom na ograničenu veličinu uzorka.“
Ova studija se zasniva na radu iz 2022. o izračunavanju hibridnog zaključivanja. U toj studiji, Han i druge kolege su primenili Bajesov frekventistički hibridni zaključak na dizajn implantata kolena biomehaničkog inženjeringa i proučavanje odnosa između lokacije i tipa akralnog lentiginoznog melanoma – oblika raka kože – i izabranog hirurškog pristupa za lečenje to. U oba slučaja, aproksimacija je nadmašila i frekventne i Bajesove zaključke sa veličinama uzorka u rasponu od 20 do 500.
Zatim, Han planira da sprovede studije o multivarijabilnoj hibridnoj Bajesovskoj analizi koja uključuje više informacija o demografiji pacijenata u model i ima druge izvore informacija kao varijable životne sredine.
„Suština je da Bajesovsko frekventno hibridno zaključivanje ne samo da dodaje vredan uvid u idiopatsku plućnu fibrozu, već je i jedinstven i fleksibilan okvir za mnoge druge buduće analize sekvenciranja jednoćelijske RNK“, rekao je Han.
