Le informazioni contenute in questo sito sono destinate in via esclusiva agli operatori professionali della sanità in conformità all'art. 21 del D.Lgs. 24 febbraio 1997, n. 46 s.m.i e alle Linee Guida del Ministero della Salute del 17 febbraio 2010 e successivo aggiornamento del 18 marzo 2013. AccettoMaggiori informazioni

19 dicembre 2019

Individuato un nuovo metodo diagnostico capace di mettere in evidenza “l’impronta digitale” della singola cellula

1169_Cellula

Le singole cellule rappresentano i “mattoni” degli organismi. Un essere umano è composto da circa 30 trilioni di cellule ed ognuna di queste è unica a livello trascrizionale. Il sequenziamento dell’RNA a singola cellula (scRNA-seq) ha permesso la caratterizzazione di tipi cellulari altamente specifici in molti tessuti, nonché linee cellulari sia primarie che derivate da cellule staminali. Un aspetto importante di questi studi è la capacità di identificare le firme trascrizionali che definiscono un tipo o uno stato di cellule. In teoria, queste informazioni possono essere utilizzate per classificare una singola cellula in base al suo profilo trascrizionale. In questo lavoro i ricercatori del Garvan Institute of Medical Research, Darlinghurst, Sydney in Australia presentano un nuovo metodo: scPred, il cui uso può essere esteso, in grado di fornire una classificazione altamente accurata di singole celle, usando una combinazione di selezione imparziale di funzionalità da uno spazio di dimensioni ridotte e un metodo di previsione basato sulla probabilità di apprendimento automatico. I ricercatori hanno applicato il nuovo metodo scPred ai dati scRNA-seq di tessuto pancreatico, cellule mononucleari, biopsie di tumori del colon-retto e cellule dendritiche circolanti e hanno dimostrato che scPred è in grado di classificare le singole cellule con elevata precisione. Potenzialmente, questo nuovo metodo potrà consentire una diagnosi precoce dei carcinomi, identificare le cellule che stanno alla base delle malattie autoimmuni e aiutare a personalizzare i trattamenti per i singoli pazienti. Gli Autori stanno adesso lavorando al passo successivo: tradurre il metodo in test diagnostici per l’impiego clinico.

scPred: accurate supervised method for cell-type classification from single-cell RNA-seq data

Jose Alquicira-Hernandez, Anuja Sathe, Hanlee P. Ji, Quan Nguyen et al.

Genome Biol 20, 264 (2019)

https://genomebiology.biomedcentral.com/articles/10.1186/s13059-019-1862-5