Cell子刊:韩敬东团队开发机器学习程序,在单细胞水平识别衰老细胞 |
![]() |
来源:生物世界 2024-04-17 14:17
该研究开发了一种机器学习程序——SenCID(Senescent Cell Identification),它可以准确地识别bulk转录组和单细胞转录组数据中的衰老细胞。北京大学韩敬东团队(陶宛玉为第一作者)在Cell Metabolism期刊发表了题为:Single-cell senescence identification reveals senescence heterogeneity, trajectory, and modulators的研究论文。
该研究开发了一种机器学习程序 SenCID(Senescent Cell Identification),可以准确地通过识别转录组数据识别衰老细胞,使针对衰老细胞的靶向干预成为可能。
细胞衰老(Cellular senescence)是许多衰老相关病理的基础,但细胞衰老的异质性对研究和靶向衰老细胞提出了挑战。
为了更好地靶向衰老细胞,准确识别不同生物环境中的衰老细胞至关重要。但不幸的是,目前没有单一的衰老细胞标志物。SA- -gal染色和细胞周期蛋白依赖激酶(CDK)抑制剂如p16和p21的表达是常用的衰老特征。虽然这些标志物在大多数生物环境中可以识别衰老细胞,但它们并不是普遍适用的,因为一些细胞类型在非衰老阶段也会表达这些标志物。此外,在检测这些标志物时,技术问题可能会带来结果的不一致性。
在转录组水平上,使用带有衰老相关基因(SRG)注释的数据库来评估细胞衰老水平,通过计算这些基因的归一化值或排名,可以粗略评估衰老细胞与去分化增殖细胞的差异,并主要应用于肿瘤组织。然而,这些粗略的估计在正常衰老和组织退化中的应用仍然有限,因为在这些情况下,静止或分化细胞占主导地位,而不是增殖的。
随着单细胞转录组测序技术的进步,识别和量化单细胞干性的计算工具对于描绘分化树、层次结构及其规则变得至关重要。同样,在单细胞水平上建立一个稳健的衰老识别和量化指标,克服高drop-out率和异质性,将有助于重建细胞衰老轨迹和调控层次,从而更深入地理解衰老。
为了解决上述挑战,该研究开发了一种机器学习程序 SenCID(Senescent Cell Identification),它可以准确地识别bulk转录组和单细胞转录组数据中的衰老细胞。
在来自52个衰老转录组数据集的602个样本上进行训练,覆盖30种细胞类型,SenCID识别出6个主要的衰老ID(Senescent Identities,SID)。不同的SID表现出不同的衰老基线、干性、基因功能和对衰老细胞清除疗法(Senolytics)的响应。SenCID可以重建正常衰老、慢性疾病和下的衰老轨迹。此外,当应用于单细胞Perturb-seq数据时,SenCID有助于揭示衰老调节因子的层次结构。
总的来说,SenCID是精确单细胞分析细胞衰老的重要工具,使针对衰老细胞的靶向干预成为可能。
版权声明 本网站所有注明“来源:100医药网”或“来源:bioon”的文字、图片和音视频资料,版权均属于100医药网网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:100医药网”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。 87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

- 相关报道
-
- 强生医疗科技加码中国战略 构筑医疗创新生态新格局 (2025-07-14)
- 胖不胖,肠道里的“维生素B1工厂”说了算!Front Microbiol研究发现肥胖者肠道硫胺素合成减少,菌群也乱了套 (2025-07-14)
- Cell:新研究揭示神经内分泌细胞通过沙漠刺猬蛋白(Desert hedgehog)信号传导调控再生 (2025-07-14)
- 科兴争夺战进入第二轮,纷争何时平息? (2025-07-14)
- 重庆传递2名患者使用临床研讨抗癌药查询拜访核实环境 (2025-07-14)
- npj Aging:“迷幻蘑菇”竟能延缓衰老?科学家首次证实,裸盖菇素或可延长寿命! (2025-07-14)
- 无需“载体”也能精准抗癌!J Nanobiotechnology:新型无载体纳米颗粒精准锁瘤,化疗免疫协同发力,联合治疗抑生长防转移 (2025-07-14)
- 《科学》重磅:“无药可救”的致命罕见脑病,终于迎来治疗方法! (2025-07-14)
- 《细胞·代谢》发表最新研究成果,为结直肠癌靶向治疗提供全新视角 (2025-07-14)
- Cell综述:生成式AI,开启医学新时代 (2025-07-13)
- 视频新闻
-
- 图片新闻
-
医药网免责声明:
- 本公司对医药网上刊登之所有信息不声明或保证其内容之正确性或可靠性;您于此接受并承认信赖任何信息所生之风险应自行承担。本公司,有权但无此义务,改善或更正所刊登信息任何部分之错误或疏失。
- 凡本网注明"来源:XXX(非医药网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。本网转载其他媒体之稿件,意在为公众提供免费服务。如稿件版权单位或个人不想在本网发布,可与本网联系,本网视情况可立即将其撤除。联系QQ:896150040