Nueva herramienta computacional permite a los investigadores identificar células en función de la forma de su cromosoma

Nueva herramienta computacional permite a los investigadores identificar células en función de la forma de su cromosoma

Los científicos de Salk tomaron prestados métodos de la informática para desarrollar un nuevo enfoque

LA JOLLA—En el núcleo de cada célula viva, largas hebras de ADN están fuertemente plegadas en cromosomas compactos. Ahora, gracias a un nuevo enfoque computacional desarrollado en el Instituto Salk, los investigadores pueden usar la arquitectura de estos pliegues cromosómicos para diferenciar entre tipos de células. La información sobre la estructura cromosómica de cada célula les dará a los científicos una mejor comprensión de cómo las interacciones entre las diferentes regiones del ADN juegan un papel en la salud y la enfermedad. El estudio fue publicado en el Actas de la Academia Nacional de Ciencias la semana del 8 de julio de 2019.

“En un tejido como el hígado, el corazón o el cerebro, hay muchos tipos de células diversas que aún no comprendemos; esta es una nueva herramienta que nos ayuda a observar estas células una a la vez”, dice el profesor Salk e investigador del Instituto Médico Howard Hughes. José Ecker, que dirige el Laboratorio de Análisis Genómico de Salk.

Los investigadores saben que la mayor parte del genoma humano se compone de ADN regulador, tramos de ADN que no codifican proteínas por sí mismos, pero que ayudan a controlar si los genes se expresan en una célula determinada y cuándo. Esta regulación puede ocurrir a través de interacciones físicas entre un tramo regulador de ADN y un gen. Las regiones reguladoras, sin embargo, podrían estar lejos de un gen que regulan en una cadena lineal de ADN. En el proceso de ensamblaje de los cromosomas, se forman conexiones estrechas y específicas entre los genes y el ADN regulador, que se mantienen estrechamente unidos en un cromosoma plegado.

En 2009, los investigadores desarrollaron Hi-C, un método para sondear las células en busca de estas interacciones cromosómicas. Saber qué tramos de ADN interactúan físicamente puede decirles a los científicos cuál podría ser el efecto de una mutación en una región reguladora, lo que ayuda a explicar por qué los niveles de una proteína se alteran en una célula enferma. Por lo general, Hi-C se usa en muchas células a la vez y los resultados capturan solo un promedio de la arquitectura cromosómica en una población de células. Esto significa que si hay una interacción entre dos regiones de ADN, pero solo está presente en una pequeña minoría de células, no aparecerá en un experimento Hi-C estándar.

“Si la mitad de las células que estás estudiando tienen una arquitectura cromosómica particular, puedes verlo, pero realmente no puedes saber qué están haciendo las células individuales”, dice Ecker. Su grupo quería desarrollar una forma de obtener datos unicelulares más detallados de los experimentos Hi-C.

El problema de aplicar Hi-C a células individuales es que las células del mismo tipo pueden tener variabilidad en la arquitectura de sus cromosomas, dice el estudiante graduado Jingtian Zhou, primer autor del nuevo artículo. Además, un experimento Hi-C realizado en una sola célula solo revela datos sobre aproximadamente el 5% del genoma. Por lo tanto, encontrar tendencias, como concluir que un tipo de célula tiene un cambio en la arquitectura cromosómica cuando hay una enfermedad, es complicado. Pero resulta que esos dos problemas con los datos, conocidos como heterogeneidad y escasez, son abordados por investigadores en muchos campos diversos que tienen que analizar grandes conjuntos de datos, y existen algunas soluciones.

"Terminamos tomando prestados algoritmos utilizados en informática y aplicándolos a datos biológicos para ayudarnos a lidiar con la escasez y heterogeneidad de los resultados de Hi-C de una sola célula", dice Zhou.

Con esta inspiración de la informática, el equipo desarrolló scHiCluster, un algoritmo para analizar datos Hi-C de células mixtas y clasificar las células en grupos discretos en función de la similitud de sus interacciones cromosómicas. Eso les permite sacar conclusiones más fácilmente sobre lo que hacen las células cuando se trata de la regulación de genes en diferentes circunstancias biológicas.

Probaron el algoritmo en conjuntos de datos de Hi-C publicados anteriormente y demostraron que podían clasificar correctamente diferentes tipos de células de un conjunto de datos mixto. El nuevo enfoque será útil a medida que los investigadores continúen estudiando cómo funcionan las células en el cuerpo humano y cómo esa función falla en la enfermedad.

“Si tomas una enfermedad como el Alzheimer, los investigadores han encontrado cambios en la expresión génica en algunos tipos de células cerebrales”, dice Ecker. "Pero hasta ahora, no teníamos la capacidad de vincular fácilmente esos cambios en la expresión génica con las regiones del genoma que controlan la transcripción de genes".

El grupo planea generar datos Hi-C en células individuales en una variedad de tejidos humanos. La aplicación de la técnica computacional para estudiar las estructuras cromosómicas de una sola célula podría facilitar aún más la comprensión de la diversidad de la regulación génica en diferentes tipos de células.

Otros investigadores del estudio fueron Yusi Chen, Terrence Sejnowski y Jesse Dixon del Instituto Salk; Jianzhu Ma, Chuankai Cheng y Bokan Bao de UC San Diego; y Jian Peng de la Universidad de Illinois en Urbana-Champaign.

El trabajo descrito en este documento fue apoyado por el Instituto Nacional de Investigación del Genoma Humano.

DOI: X