纪念斯隆凯特琳癌症中心(MSK)的研究人员开发了一种新的开源计算方法，称为Spectra，可以改进对单细胞转录组数据的分析。

通过以独特的方式指导数据分析，Spectra可以为细胞之间复杂的相互作用提供新的见解，例如癌细胞和免疫细胞之间的相互作用，这对改善免疫治疗至关重要。

该团队的方法和发现最近发表在该领域最具影响力的期刊之一《自然生物技术》上。

研究人员指出，Spectra可以消除技术上的“噪音”，识别功能相关的基因表达程序，包括那些新颖的或对特定生物环境高度特异性的基因表达程序。

MSK团队在研究报告中写道，该算法非常适合研究来自大型患者群体的数据，并找出临床有意义的患者特征，并补充说，在新兴的免疫肿瘤学领域，Spectra是识别生物标志物和药物靶点的理想选择。

此外，MSK团队已经将光谱免费提供给世界各地的研究人员。

“我被训练成一名计算机科学家，”该研究的资深作者Dana Pe 'er博士说，“我构建的每一个工具，我都努力使其健壮，以便它可以在许多情况下使用，而不仅仅是一种情况。我也试着让他们尽可能地接近。”

“我很高兴发现新的生物学，我也很高兴能够建立一个基础工具，可以被更广泛的社区用来进行许多生物学发现。”

Pe 'er博士补充说，与MSK的研究人员一起，来自几个机构的团队已经在使用Spectra来研究各种疾病。

单细胞革命

在过去的十年里，“单细胞革命”改变了人类对健康和疾病的认识。单细胞技术使科学家能够研究组织样本或一组样本(例如肿瘤)中的单个细胞，不仅可以看到存在的细胞类型的多样性(例如癌细胞与各种类型的免疫细胞)，还可以看到每个细胞中哪些基因是活跃的，从而为细胞状态和细胞相互作用提供新的视角。这项技术促进了人们对细胞如何适应和应对不断变化的健康和疾病状况的新认识——包括对癌症治疗的耐药性的发展。

问题是，单细胞方法产生的令人难以置信的数据量对筛选和正确解释具有挑战性。Pe 'er博士解释说，当试图观察基因程序——共同完成特定任务的基因——在组织中多种细胞类型中都很活跃时，这一点尤其正确。

她说:“这对于研究癌细胞和免疫细胞之间的相互作用尤其重要，因为这涉及到高度重叠的基因程序。”“这导致了一些严重的统计问题，可能导致令人难以置信的误导性结果。”

Pe 'er博士组建的团队由共同第一作者Russell Kunes(统计学博士生)和Thomas Walle(医学博士，具有免疫肿瘤学专业知识的内科科学家)领导，他们不仅开发了指导数据分析的改进方法，而且还创建了一个用户友好的界面，以方便其他科学家采用。

Walle博士在研究简报中写道:“我们希望开发一种改进的方法，汇集了统计学、计算生物学和免疫学领域截然不同的研究人员。”“Spectra是一次相互学习的旅程，我们的共同目标是让复杂的生物学变得可以解释。”

指导数据分析

在这篇论文中，研究人员将Spectra应用于两个乳腺癌免疫治疗数据集和一个肺癌图谱，在21项研究中总共有来自375个个体的150多万个细胞，证明了Spectra能够在大规模上克服传统分析的局限性。

Spectra通过指导数据分析与现有的科学知识的身体-基因程序的文库产生的以前的数据由专家在各自的领域。虽然这些初始知识可以直接指导单细胞数据分析，但该程序也可以适应手头的数据，帮助识别新的和修改的基因程序。(他们在论文中指出，这种适应性特性使科学家们发现了与抗pd -1免疫治疗耐药性相关的肿瘤相关巨噬细胞中的一种新的癌症侵袭程序。)

Spectra的独特设计还考虑了定义不同细胞类型的基因信息，使其更善于发现细胞功能基础的基因程序，而不是细胞身份。

“例如，Spectra可以让我们将耗尽的T细胞与肿瘤反应性T细胞分离开来，而肿瘤反应性T细胞正在积极地对抗癌症。这有助于我们看到两者之间基因激活的差异，这在肿瘤微环境等复杂背景下是相当具有挑战性的。”

此外，作者指出，将收集的数据从一个数据集直接转移到另一个数据集的能力将加速和简化发现，使研究人员能够在不需要复杂的数据集成的情况下完善单细胞测序研究的知识。

文章标题

Supervised discovery of interpretable gene programs from single-cell data