Nature发布超快速的单细胞数据搜索引擎

马克斯·德尔布吕克中心的研究人员开发出一款名为Malva的搜索引擎，可在几秒钟内扫描来自全球数千个实验中数百万个单细胞的数据。

　　

了解RNA序列、表达、剪接和异构体等，对于理解和靶向细胞过程至关重要。然而，研究人员无法跨数据集搜索序列：标准分析流程不具备可扩展性或依赖参考序列，仅保留基因或异构体计数，而访问原始序列则需要收集、下载和处理数百万个大文件。

近日，马克斯·德尔布吕克中心柏林医学系统生物学研究所（MDC-BIMSB）的研究人员开发出一款名为Malva的搜索引擎，能够极大地简化此类任务。

据介绍，Malva是首个仅凭序列信息就能快速筛选海量单细胞数据的平台。它支持搜索任何序列、突变、剪接位点或病原体，与物种无关，且无需参考基因组。这项成果于8月26日发表在《Nature》杂志上。

资深作者、MDC-BIMSB所长Nikolaus Rajewsky表示：“就像30年前的谷歌一样，Malva让科学家和AI工具能够在几秒钟内搜索数百万个细胞——无需下载庞大的文件，无需参考基因组，也无需深厚的计算专业知识。”

“Malva将静态的转录组图谱转化为动态资源，这将加深我们对RNA生物学的理解。它还有望帮助研究人员理解健康如何演变为疾病，以及哪些细胞如何对特定药物治疗产生应答。”

单细胞RNA测序技术为研究人员提供了一张极其详细的视图，展现了特定时间点单个细胞内部发生的情况。过去十年间，世界各地的研究人员积累了TB级的海量数据。

然而，希望深入挖掘这些数据的人们面临诸多挑战。他们需要下载并重新处理PB级的原始文件，这超出了单个实验室的能力范围。此外，他们还需要对不同来源的数据进行标准化处理。

为了简化这一任务，研究人员重新处理了来自公共数据库的数据，并使其可通过核苷酸序列进行搜索。他们还为空间数据编写了索引，因此科学家可以找到特定RNA在组织切片中的位置。

Malva的设计理念是持续扩展。每当文献中出现新的单细胞RNA数据时，这些数据就会被下载到位于马克斯·德尔布吕克中心的服务器上，进行处理并添加到现有数据中。

不断扩展的Malva索引目前包含约7,400万个细胞，来自数千个健康和疾病实验。Malva支持无参考序列的发现，研究人员可直接根据序列组成来鉴定细胞类型并预测细胞间的相似性。

据研究人员介绍，Malva可应用在多个场景，从简单到复杂。例如，这个基因在哪些细胞类型中表达，以及某种RNA异构体是否在特定的细胞类型中表达。

由于以往的平台将数据映射到参考基因组，因此若人们想要寻找罕见或独特基因变异产生的RNA信息，可能很难获得有价值的结果。而Malva则提供了一个更加多样化的RNA数据集。

Malva平台还包含多个物种的序列信息，包括细菌、病毒和真菌。因此，研究人员可以研究这些微生物如何影响人类细胞并引发疾病。 

这个平台（https://malva.mdc-berlin.de）目前对科学家免费开放。三名研究人员正在筹划成立一家初创公司，旨在将Malva推向商业市场。