在个性化医疗时代，科学家正在使用新的遗传和基因组见解来帮助他们确定给定患者的最佳治疗方案。在癌症的情况下，这些治疗的第一步是调查肿瘤细胞的行为，以找出用于攻击它们的最佳药物。
 
然后，研究人员使用DNA和RNA测序来观察细胞群，检查哪些基因在癌组织样本中表达。然而，传统的测序方法可以隐藏不是所有肿瘤细胞都必须以相同方式表现的事实。不承认这意味着如果你用特定类型的药物靶向肿瘤，一些细胞可能只是不同，足以存活和繁殖。
 
在基因组学的一项重大进展中，现在可以通过一种称为单细胞RNA测序（scRNA-seq）的技术来研究单个细胞在任何给定时间的作用。该方法观察细胞中信使RNA（mRNA）的量，并将其与其他细胞进行比较，以寻找基因表达的差异。
 
但是，您找到的信息可能取决于您的实验运行方式以及数据的分析方式。Lana Garmire博士是密歇根医学计算医学和生物信息学系的副教授，她的团队正在研究消除一些可能使scRNA-seq数据难以解释的偏差的方法。
 
“这种测序中的很多噪音来自于你必须以极低的数量和不同的批次测量样品，”她解释道。例如，研究人员正在分析的组织样本可能不适合放在一个平板上，一个用于容纳细胞样本的设备，因此必须分成两个平板。由于这种分裂而产生的差异称为批量效应。基因组学研究人员必须纠正这些批次效应，但这个过程可能会产生一个难题：您如何知道差异是批次效应还是细胞之间的真正差异？
 
数据的新用途
 
生物信息学是使用计算机程序收集和分析复杂生物数据的术语。这是一个相对较新的领域，它产生于收集大量生物数据的能力，如DNA和蛋白质序列。
 
研究人员依靠生物信息学技术来确定哪些基因在单个细胞中表达。但他们不得不解决通过不同研究方案和批量效应引入的噪音。Garmire最近从夏威夷大学加入密歇根大学并且是密歇根大学医学院生物信息学核心的新任教员，他发现了一种更有效的方法，使用测序实验中产生的同一组数据来识别细胞之间的差异。她没有依赖基因表达，而是发现了所谓的单核苷酸变体（SNV），可以消除这种不确定性。“对于SNV，您正在处理二进制数字0和1.无论是否存在突变。”
 
回想一下，基因由字母A，T，G和C代表的核苷酸组成，这些核苷酸构成翻译成蛋白质的代码。Garmire的方法寻找单个核苷酸的差异，知道A只能被T替换为C和G被C替换。这项新工作在Nature Communications中描述，开发了一套新的程序来处理scRNA-seq数据并检索这个变种信息。此外，使用称为SSrGE的计算机程序，他们可以将该变体信息链接到更传统的基因表达信息。
 
“这为我们提供了有关肿瘤细胞不同亚群的信息，并且有点像指纹，可以被标记以识别细胞与细胞的差异，”Garmire说。
 
这一切意味着什么
 
最终，制药商和临床医生使用这些目标来指导药物治疗。“当你想要攻击这个问题时，你会通过攻击该问题的基本特征来实现这一目标：突变。临床医生可能会在以后使用这些信息来指导他们的治疗方法。”Garmire期待将生物信息学带出实验室，帮助积累大量数据的研究人员使用它们并开发下游临床应用。“我们将身体分开并专注，但在一天结束时，你需要从整体上看，并询问，我在做什么，这有什么帮助？我们正在开发计算工具，将生物信息学研究人员和工作台科学家和临床医生聚集在一起连接点，最终做出改变。