在不同类型的癌症中发现了独特的基因特征

为了开展这项研究，研究人员使用了来自不同癌症类型的分离细胞的存储库数据，使用人工智能进行分析，然后使用蛋白质组学进行确认。

　　

   

   

图片:位于MELISA研究所实验室的timsTOF Pro质谱计。    

由康塞普西翁大学的生物信息学Mabel Vidal领导的一项研究，在MELISA研究所和其他学术机构的研究人员的合作下，在分析来自公共存储库CD4-T、CD8-T细胞和Treg的数据后，确定了不同类型癌症的浸润T细胞亚群中独特的遗传特征。这项研究发表在《国际分子科学杂志》上。

免疫系统由不同的细胞组成，共同保护身体免受感染或肿瘤细胞生长。T淋巴细胞是识别病原抗原或肿瘤转化的主要角色。这些可分为三个主要的亚群:细胞毒性CD8+ T细胞，它破坏致病因子，辅助性CD4+ T细胞，参与不同效应因子谱系的分化，和treg，调节或调节免疫反应。

虽然已知这些t细胞亚群可以渗透不同类型的癌症，但尚不清楚它们是否表现出类似的mRNA基因表达谱——即转录组- - - - - -与来自健康组织的常驻T细胞相比。因此，本研究分析了来自不同类型癌症的5种浸润性CD4-T、CD8-T和Tregs肿瘤的单细胞转录组，试图确定每个亚群在恶性环境中的特定通路。

首先，在公共知识库(Gene Expression Omnibus)中搜索最常见癌症(结直肠癌、乳腺癌、肺癌、头颈癌和黑色素瘤)的转录组数据，对不同的细胞类型进行分类，只过滤与T细胞对应的mRNA数据。然后，研究人员确定了不同类型癌症中常见的、在对照条件下没有表达的生物途径和功能。

对梅布尔·维达尔博士来说,人工智能(AI)的使用是必不可少的工具来分析大量的数据,识别和消除错误:“分类不同类型的细胞使用一个无监督的方法是一个巨大的挑战,因为即使你知道每个事先T细胞的身份,作为一个科学家,你必须生成一个分类算法能够自动执行这个任务的大量数据,“表达了科学家。她还补充说，在获取公共数据时，信息来自不同的实验、仪器和研究目标，因此数据标准化也是一个相关的重要挑战。

研究的第二部分包括实验验证分类算法，在MELISA研究所的实验室执行蛋白质组学，并使用之前从康塞普西翁大学的Estefania Nova-Lamperti博士的实验室获得的转录组学数据。

关于验证阶段，Nova-Lamperti解释说:“我们已经有了来自不同类型癌症患者的样本，我们部分意识到他们之间的共同信号通路。在这项研究中，我们发现介导TH2反应的细胞因子信号传递增加了。”

MELISA研究所的首席实验室官Mauricio Hernandez解释说:“为了验证从不同T细胞群的转录组的生物信息学分析中获得的结果，我们使用质谱仪确定了CD4 T细胞的蛋白质图谱或蛋白质组。总的来说，从已经确定的途径来看，我们获得了非常好的相关性。”

维达尔博士观察到，这项研究是在机器学习环境下进行的，因此下一步要做的是在深度学习环境下建模，并生成更精确的单细胞分析新模型:“这个想法是整合更多的数据，识别共同模式，也许更具体。所以，我们的想法是继续沿着人工智能的路线发展。”

最后，MELISA研究所的高级研究员兼主席Elard Koch教授表示，他们对Vidal博士领导的这项研究的合作感到高兴:“与我们的蛋白质组学能力进行合作和支持对我们的年轻科学家来说是鼓舞人心的，也是我们机构的主要目标。”

文章标题

Analysis of Tumor-Infiltrating T-Cell Transcriptomes Reveal a Unique Genetic Signature across Different Types of Cancer