2023-04-13 | 울산=장지승 기자

通过单细胞大数据分析发掘疾病基因

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

UNIST(蔚山科学技术院)生命科学系南德佑教授团队13日表示,已确认通过对单细胞测序数据的整合分析,可有效筛选出与肺癌、传染病等疾病相关的基因。

单细胞测序(scRNA-seq)与通常的批量样本测序(RNA-seq)不同,是一种可在单个细胞水平分析基因表达的技术。尤其被广泛用于分析各类疾病、发育、分化等生物学过程。

批量样本中上皮细胞与各类免疫细胞混杂在一起,存在无法考虑细胞类型差异的缺点。相反,单细胞测序可按细胞类型测定纯一的基因表达变化,从而更准确地分析疾病的发生机理。然而,由于单细胞数据噪声高、缺失率高以及数据间测定值的差异(批次效应),其在实际疾病基因分析中的有效性尚未得到确认。

研究团队通过多种模拟实验和单细胞数据分析,比较了46种分析方法。特别是对韩国国内产生的第1期肺癌患者单细胞(上皮细胞)数据按细胞类型进行了整合分析。由此确认,此前被报告为肺癌相关基因的90余个基因在统计上具有较高排名。这意味着尚未被发现的肺癌基因也可能以较高排名被筛选出来。这一结果是此前对数百名批量样本肺癌患者的数据分析中未能取得的成果,表明单细胞整合分析在发掘肺癌基因方面非常有效。

为提高本次实验的可信度,研究团队还追加分析了大规模COVID-19患者样本中10万个单核细胞的数据。通过整合分析基因表达数据,再次确认已知应对COVID-19病毒入侵的130余个基因在统计上占据较高排名。研究团队通过追加实验确认,在不同类型的疾病中,单细胞数据的整合分析都能有效筛选出疾病基因。

生命科学系教授南德佑表示:“本次研究结果显示,通过对公开的单细胞数据进行大规模整合分析,可以发掘新的疾病基因及作用通路”,并称“在癌症、新冠肺炎等各类疾病机理研究中,有必要超越细胞层面,在基因层面更积极地利用单细胞数据”。

本次研究由UNIST生命科学系Hai Nguyen博士与白富京博士作为共同第一作者完成,获得了中坚研究者项目和后基因组多部门基因组项目的支持。研究成果于3月21日刊载于国际学术期刊《自然·通讯》(Nature Communications)。

阅读韩文原文