Hay alrededor de 75 tipos diferentes de células en el cerebro humano. ¿Qué las hace diferentes? Los investigadores del Baylor College of Medicine han desarrollado un nuevo conjunto de herramientas computacionales para ayudar a responder esta pregunta. Aunque diferentes tipos de células del mismo organismo llevanel mismo ADN, se ven y funcionan de manera diferente porque un conjunto diferente de genes está activo o inactivo en cada una. Las células activan o desactivan los genes mediante el uso de mecanismos epigenéticos, como la metilación del ADN, que consiste en marcar genes con grupos metil químicos.
Para comprender mejor cómo funciona la regulación epigenética, los investigadores estudian las señales de metilación del ADN en conjuntos de datos del genoma completo. Estos conjuntos de datos contienen las secuencias de los bloques de construcción que conforman el ADN en una población celular. Sin embargo, cuando el tejido que se estudia, como el cerebro, se compone de muchos tipos de células diferentes, los enfoques analíticos existentes no pueden distinguir las señales de metilación que surgen de esos diferentes tipos de células.
Ahora, un nuevo conjunto de métodos computacionales desarrollados en Baylor permite a los investigadores identificar patrones específicos de metilación de tipo celular - códigos de barras moleculares - en mezclas celulares complejas. Estas nuevas herramientas computacionales, publicadas en la revista biología del genoma y disponible para descarga gratuita, se puede aplicar a los conjuntos de datos de metilación del genoma completo existentes de cualquier especie. Esto abre nuevas posibilidades emocionantes para mejorar nuestra comprensión de cómo la metilación del ADN regula la función celular.
Identificación de códigos de barras moleculares específicos del tipo de célula
"El enfoque estándar de oro actual para estudiar la metilación del ADN es la secuenciación de bisulfito del genoma completo WGBS, una tecnología de secuenciación de próxima generación que determina la metilación del ADN de cada citosina, uno de los componentes básicos del ADN, en todo el genoma", dijoco-autor correspondiente Dr. Cristian Coarfa, profesor asociado de biología molecular y celular y parte del Centro para la Precisión de Salud Ambiental en Baylor.
Los estudios de WGBS generalmente informan el nivel promedio de metilación en cada citosina. Sin embargo, en los tejidos formados por múltiples tipos de células, este promedio refleja un mashup del nivel de metilación de cada tipo celular en la mezcla, ocultando las diferencias específicas del tipo celular.
"La idea clave que motivó el estudio actual es que la secuencia de ADN 'lee' en los datos de WGBS son descendientes directos de moléculas de ADN que se originan en diferentes células del tejido. Postulamos que los 'patrones' de metilación que detectamos en la secuenciación de tejidos se leencontienen información sobre de qué tipos de células se originaron las lecturas ", dijo el co-autor correspondiente Dr. Robert A. Waterland, profesor de pediatría - nutrición en el Centro de Investigación de Nutrición Infantil USDA / ARS en Baylor y Texas Children's Hospital".desarrollamos un software que identifica estos patrones de metilación específicos del tipo de célula dentro de los datos de WGBS a granel. Este software se llama análisis basado en el clúster de la metilación de CpG CluBCpG ".
Como una validación, los investigadores utilizaron CluBCpG para analizar conjuntos de datos WGBS de dos tipos de células inmunes humanas, células B y monocitos. Pudieron identificar más de 100,000 códigos de barras moleculares únicos dentro de cada tipo de célula. Luego, aplicaron su método a las mezclasde lecturas de otro conjunto de datos WGBS de estos dos tipos de células, de personas completamente diferentes.
"Simplemente contando las ocurrencias de estos códigos de barras moleculares en los nuevos conjuntos de datos, CluBCpG nos permitió determinar con precisión el porcentaje de células B y monocitos en cada mezcla", dijo el Dr. C. Anthony Scott, ex investigador postdoctoral en el laboratorio de Waterland yprimer autor del artículo: "También demostramos que estas señales específicas del tipo de célula están asociadas con funciones celulares en diferentes tipos de células cerebrales y sanguíneas de humanos y ratones, y que incluso pueden predecir qué genes se expresan".
En los últimos 10 años, los científicos generaron miles de conjuntos de datos WGBS que cuestan millones de dólares, pero no pudieron apreciar gran parte de la información disponible en los datos. "Es un poco como usar auriculares con cancelación de ruido para la sinfonía", dijoWaterland, también profesor de genética molecular y humana en Baylor. "Ahora, por primera vez, los investigadores pueden" sintonizar "con la riqueza y complejidad de los datos WGBS".
Impulsar el contenido de información de los conjuntos de datos existentes
El software CluBCpG funciona junto con un segundo desarrollo, un sofisticado paquete de software de aprendizaje automático llamado Imputación precisa de metilación a nivel de lectura PReLIM. Este software 'llena' la información faltante sobre las lecturas de secuencia que cubren algunos de los sitios en unregión, aumentando el contenido de información de los conjuntos de datos WGBS existentes en un 50 a 100 por ciento.
"PReLIM aprende de los cientos de millones de lecturas en cada conjunto de datos WGBS para predecir el estado de metilación en sitios faltantes en lecturas de secuencia individual", dijo Jack D. Duryea, ex alumno del laboratorio de Waterland y coautor del artículo."Mostramos que las predicciones de PReLIM son correctas el 95 por ciento de las veces".
Dado que los conjuntos de datos WGBS cuestan miles de dólares generarlos, obtener entre un 50 y un 100 por ciento más de datos, sin cargo adicional, es un gran problema.
Los investigadores anticipan que estos nuevos desarrollos computacionales se aplicarán para estudiar las diferencias de metilación en las células normales y en las enfermedades.
"Por ejemplo, estos métodos proporcionarán una mejor resolución en estudios con el objetivo de identificar diferencias de metilación entre un cerebro sano y uno con una enfermedad. Podríamos determinar, por ejemplo, que los cambios epigenéticos relacionados con una enfermedad ocurren solo en unotipo específico de células cerebrales, lo que sería un gran paso hacia la comprensión de una enfermedad ", dijo Waterland.
Otros contribuyentes a este trabajo incluyen Harry MacKay, Maria S. Baker, Eleonora Laritsky y Chathura J. Gunasekara, todos en el Baylor College of Medicine.
Este trabajo fue apoyado por NIH / NIDDK números de subvención 1R01DK111522 y 1R01DK111831, el Instituto de Investigación y Prevención del Cáncer de Texas número de subvención RP170295 y USDA / ARS CRIS 3092-5-001-059.
Fuente de la historia :
Materiales proporcionado por Baylor College of Medicine . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :