在COVID-19大流行的早期，研究出肺和肠细胞RNA分子遗传密码的科学 发现，这些器官中只有 小部分细胞 容易被SARS-CoV感染。2病毒。这使研究人员能够专注于阻止病毒进入这些细胞的能力。我们的技术可以使研究人员更容易找到此类信息。
我们使用的生物学知识来自这种RNA测序，它为研究人员提供了细胞中数十万RNA分子被翻译成蛋白质的快照。广受赞誉的机器学习工具Seurat分析平台帮助 各地的研究人员在健康和患病器官中发现新的细胞群。这种机器学习工具处理来自单细胞RNA测序的数据，而无需提前提供有关这些基因如何运作和相互关联的任何信息。
我们的技术采用不同的方法，通过添加有关某些基因和细胞类型的知识来寻找有关细胞不同作用的线索。已经有十多年的研究确定了转录因子的所有潜在目标。
有了这些知识，我们使用了 种称为贝叶斯推理的数学方法。在这种技术中， 验知识被转换为可以在计算机上计算的概率。在我们的例子中，它是基因受给定转录因子调控的概率。然后，我们使用机器学习算法来计算我们分析的数千个细胞中的每 个中转录因子的功能。
我们在GenomeResearch杂志上发表了我们的技术，称为贝叶斯推理转录因子活动模型，并免费提供该软件，以便其他研究人员可以测试和使用它。
为什么重要
我们的方法适用于广泛的细胞类型和器官，可用于开发COVID-19或阿尔茨海默氏症等疾病的治疗方法。如果这些药物针对导致疾病的细胞并避免对其他细胞造成附带损害，则治疗这些难以治疗的疾病的药物效果 佳。我们的技术使研究人员更容易锁定这些目标。
正在进行的其他研究
单细胞RNA测序揭示了每个器官如何具有10、20甚至更多的特化细胞亚型，每个亚型都具有不同的功能。 个非常令人兴奋的新发展是空间转录组学的出现，其中RNA测序在空间网格中进行，使研究人员能够研究器官中特定位置细胞的RNA。
个 近的 篇文章中使用贝叶斯统计办法类似于我们要弄清楚细胞的不同作用，考虑到他们彼此接近时。另 个研究小组将空间数据与单细胞RNA测序数据相结合，研究了相邻细胞的不同功能。
下 步是什么
我们计划与同事合作，使用我们的新技术来研究复杂的疾病，如阿尔茨海默病和COVID-19，这些工作可能会为这些疾病带来新的药物。我们还希望与同事合作，以更好地了解细胞之间相互作用的复杂性。
伊利诺伊大学芝加哥分校的尚高和Jalees Rehman
QQ：1325426082广告业务:
