Акция
Блог
Процитировать
Печать
Электронная почта
ЗакладкаНаука Каждый День (9 февраля 2010) — Клеточное отображение предлагает богатство данных о том, как ячейки отвечают на стимулы, но использующий эту технику, чтобы изучить биологические системы проблема укрощения. В исследовании, изданном онлайн в Исследовании Генома, исследователи развили новый метод интерпретации данных от изображений единственной ячейки, чтобы идентифицировать генетические взаимодействия в пределах биологических сетей, предлагая проблеск в будущее анализа отображения ячейки высокой пропускной способности.
- Медицинское Отображение
- Стволовые клетки
- Гены
- Биотехнология
- Генетика
- Молекулярная биология
- Вычислительный genomics
- Белок шока высокой температуры
- Функциональный neuroimaging
- Эмбриональная стволовая клетка
В течение многих лет ученые всматривались в микроскоп в ячейках, поскольку они изменяют появление в ответ на различные обработки, все же сбор данных является трудным, в значительной степени проводимый качественно глазом. Однако, недавние технические достижения привели к развитию методов экранирования изображения высокой пропускной способности, которые могут произвести обширные наборы данных сотен различных морфологических особенностей.
Со способностью собрать большие наборы данных отображения, исследователи от Военно-медицинской школы Массачуссетского технологического института и Гарварда признали возможность исследовать клеточные сети, которые регулируют морфологию ячейки. "Эти изображения - огромный источник данных, которые только начинают выявляться," сказал исследователь Массачуссетского технологического института Бонни Берджер, старший автор работы. "Мы поняли, что у нас были достаточно многие данные, чтобы пойти вне классификации и начать понимать механизм позади различий в форме."
Чтобы справиться с проблемой интерпретации данных изображения ячейки, Berger и аспирант Массачуссетского технологического института Оаз Нир развивали новую вычислительную модель, чтобы идентифицировать генетические взаимодействия, используя высоко-мерные морфологические данные. Объединяя необходимое как условие знание тропы, их модель наносит на карту потенциальные взаимодействия в пределах сети, ища подобные морфологические особенности на генетическое волнение.
Группа продемонстрировала метод, анализируя Сигнальную коэффициентом корреляции для совокупности сеть в плодовых мушках, сеть, которая регулирует прилипание ячейки и подвижность в eukaryotic организмах. В сотрудничестве с Крисом Бэкэлом и Норбертом Перримоном в Военно-медицинской школе Гарварда, они "сбивали" компоненты Сигнальной коэффициентом корреляции для совокупности сети, используя вмешательство РНК и затем imaged тысячи ячеек мухи, собирая измерения периметра ячейки, ядерной области, и больше чем 150 других морфологических особенностей каждой ячейки. Данные тогда передали через вычислительную структуру, чтобы произвести ряд взаимодействий высокой уверенности, поддержанных подтверждением ранее известных взаимодействий.
Группа нашла, что, делая комбинаторные сокрушительные удары компонентов сети Коэффициента корреляции для совокупности, их вычислительный метод был в состоянии точно вывести Сигнальные коэффициентом корреляции для совокупности взаимодействия сети более точно, используя только данные от единственных сокрушительных ударов. Берджер отметил, что это открытие выдвигает на первый план важность комбинаторных экспериментов для того, чтобы вывести сложные сети, необходимые, чтобы преодолеть естественную избыточность в сигнальных тропах. Поскольку волнение тропы Коэффициента корреляции для совокупности в людях было вовлечено в рак и другие болезни, авторы полагают, что эти предсказанные взаимодействия будут превосходными кандидатами на будущее исследование.
Берджер ожидает, что в комбинации с другими источниками данных, отображение, поскольку новый источник данных высокой пропускной способности должен заметно увеличить точность известных сигнальных сетей. "Эта работа обеспечивает проблеск в будущее," добавил Берджер, "где смотрение под микроскопом вручную ячейки один за другим заменено автоматизированной обработкой высокой пропускной способности многих клеточных изображений."
Ученые от Массачусетского технологического института (Кембридж, Массачусетс) и Военно-медицинская школа Гарварда (Бостон, Массачусетс) внесенный этому исследованию.
Эта работа была поддержана Министерством энергетики, Обществом Лейкемии и Лимфомы, Национальными Институтами Здоровья, и Говардом Хьюсом Медицинский Институт.
Источник Истории:
Приспособленный от материалов, обеспеченных Лабораторией Колда Спринг Харбора, через EurekAlert!, обслуживание AAAS.
Ссылка Журнала:
- Nir O, Bakal C, Perrimon N, Берджер Б. Инференс регулирования RhoGAP/GTPase, используя единственную ячейку морфологические данные от комбинаторного экрана RNAi. Геном Res, 2010; ДОИ: 10.1101/gr.100248.109
Отметьте: Если никакому автору не дают, источник процитирован вместо этого.
Ученый Строит Блок формирования изображений, Который
Идентифицирует, Определяет местонахождение Отдельных Раковых клеток 
Вычисление Связей Гена И Белка В Модели Болезни
Паркинсона 