Worldwide China

Einzelzell-Analyse

Einzigartige Zellen: Computerbasierte Methoden verbessern die Einzelzell-Analyse

| Autor / Redakteur: Anna Sacher* und Fabian Theis* / Marc Platthaus

Übersicht über die entwickelten Software Tools zum Tracken und Quantifizieren einzelner Zellen
Bildergalerie: 2 Bilder
Übersicht über die entwickelten Software Tools zum Tracken und Quantifizieren einzelner Zellen (Bild: Hilsenbeck et al, Nat. Biotechn. 2016 [2])

Moderne Wirkstoffforschung wird immer komplexer. Um Vorgänge zu verstehen, muss immer öfter der Mechanismus in einzelnen Zellen beobachtet werden. Lesen Sie, wie mathematische Methoden hier unterstützend eingreifen und damit zu neuen Einblicken verhelfen können.

In vielen Bereichen der medizinischen und biologischen Forschung steht das Verständnis der Grundlagen zellbiologischer Vorgänge im Mittelpunkt – sei es in der Krebsforschung, bei neurogenerativen Krankheiten oder bei Autoimmunerkrankungen wie Diabetes. Zellbiologische Fragestellungen zu lösen, ist in vielerlei Hinsicht eine große Herausforderung. Die Komplexität der Zelle ist dabei entscheidend. Sie besteht aus einer Vielzahl von verschiedenen Molekülen die interagieren, Signale weiterleiten und Abläufe regulieren. Was aber genau bestimmt die Identität einer Zelle?

In klassischen Experimenten analysiert man die Zelloberfläche z.B. mit bestimmten Markern und legt anhand dessen den Zelltyp fest. Aber sind es nicht vielmehr die Vorgänge, die verborgen im Zellinneren stattfinden, die ihre Identität bestimmen, da diese das Verhalten der Zelle dirigieren?

In einer scheinbar homogenen Zellpopulation können trotz identischer DNA enorme Unterschiede im Zellverhalten entstehen. Experimentelle Ergebnisse, die auf dem Mittelwert von Zellpopulation beruhen, spiegeln einen biologischen Prozess daher häufig nicht adäquat wieder. Oft ist es entscheidend, seltene Zelltypen erkennen zu können, die sich von dem Großteil der Population unterscheiden – beispielsweise resistente Tumor­zellen nach der Therapie – oder Zellen zu identifizieren, die sich in einem bestimmten Stadium des Zellzyklus befinden. In den letzten Jahren haben so genannte Einzelzellanalysen entscheidend dazu beigetragen, Zellvorgänge detaillierter betrachten zu können.

Durch Einzelzellanalysen ist es möglich, jede Zelle für sich zu betrachten und zu analysieren, mittlerweile auf der Skala ganzer Gewebeausschnitte. In einem einzelnen Experiment können Genexpressionswerte von tausenden einzelnen Zellen gemessen werden. Die Labortechniken dazu haben sich in den letzten Jahren enorm weiterentwickelt. Daraus ergeben sich große Herausforderungen in der Analytik. Hier entstehen enorme Mengen von Daten (Big data), die integriert und analysiert werden müssen. Dies geschieht mithilfe klassischer Statistik, Machine Learning, sowie moderner Methoden der computerbasierten Biologie. Erst durch Anwendung dieser fortgeschrittenen Methoden werden viele biologische Aspekte der komplexen Einzelzelldaten sichtbar. Gewonnene Einblicke in die Vorgänge der Zellbiologie können in der Therapie von Krankheiten, wie Krebs oder neurogenerativen Krankheiten, genutzt werden.

Mathematik findet verborgene Zell-Subtypen

In Zusammenarbeit mit dem „European Bioinformatics Institute“ (EBI, Stegle und Marioni Labs) ist es Helmholtz-­Wissenschaftlern gelungen, anhand klassischer statistischer Methoden, verborgene Zell-Subtypen in einer Zellpopulation zu identifizieren [1]. Um verschiedene Zelltypen zu bestimmen, wird das jeweilige aktive Erbgut – in Form von RNA-Molekülen – der einzelnen Zellen quantitativ analysiert. Diese Einzelzellanalyse liefert ein exaktes Bild einzelner Zell­typen. Allerdings können Störfaktoren, wie eine kurzfristig veränderte Genexpression, bedingt durch den Zellzyklus oder Differenzierungsprozesse, das Ergebnis beeinflussen.

Die Forscher haben dazu ein bioinformatisches Modell entwickelt, das solche Unsicherheitsfaktoren statistisch ermittelt und in der Analyse einzelner Zellen berücksichtigt. In der besagten Studie konnte gezeigt werden, wie störende Faktoren herausgerechnet werden können und dadurch ein unverfälschtes Bild der unterschiedlichen Zelltypen erhalten. Durch die Kombination von Einzelzellanalysen mit statistischen Methoden können daher Zellen identifiziert werden, die sonst unentdeckt bleiben.

Zum Beispiel gelang es mit obigem so genannten single-cell latent variable Model (scLVM), unterschiedliche Reifestadien von T-Zellen in ihrer Entwicklung hin zu Th2-Zellen zu detektieren und zu charakterisieren. T-Zellen sind Immunzellen, die in verschiedene Unterformen, beispielsweise Th2-Zellen (T-Helferzellen Typ2), ausdifferenzieren, um verschiedene Abwehrfunktionen auszuüben.

Inhalt des Artikels:

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44273607 / Labor der Zukunft)