Mathematik verbessert Einzelzell-Analyse

Mittels statistischer Analysen lassen sich Störfaktoren und Unsicherheitsvariablen von Einzelzell-Analysen erfassen. Dies ermöglicht es, einzelne Subpopulationen und Zelltypen innerhalb von Zellpopulationen zu identifizieren und noch genauer zu bestimmen. Dies berichten Wissenschaftler des Helmholtz Zentrums München (HMGU) und der Technischen Universität München (TUM) gemeinsam mit Kollegen des European Bioinformatics Institute (EBI) in der Fachzeitschrift "Nature Biotechnology". Zellpopulationen unterscheiden sich untereinander erstaunlich stark, selbst wenn es sich um die gleiche Art von Zellen handelt. Um verschiedene Zelltypen zu bestimmen, wird das jeweilige aktive Erbgut - in Form von RNA-Molekülen - der einzelnen Zellen analysiert. Diese Einzelzellanalyse genannte Methodik ist durch jüngste Entwicklungen für hunderte von Zellen möglich und liefert ein exaktes Bild einzelner Zelltypen. Allerdings können Störfaktoren, wie eine kurzfristig veränderte Genexpression, bedingt durch den Zellzyklus oder Differenzierungsprozesse, das Ergebnis beeinflussen. Störfaktoren herausrechnen Die Wissenschaftler haben nun ein bioinformatisches Modell entwickelt, das solche Unsicherheitsfaktoren statistisch ermittelt und in der Analyse einzelner Zellen berücksichtigt. ,,In unseren aktuellen Untersuchungen zeigen wir, wie wir solche Faktoren herausrechnen können und dadurch ein noch genaueres Abbild der unterschiedlichen Zelltypen erhalten. Durch die Kombination von Einzelzellanalysen mit statistischen Methoden können Zellen identifiziert werden, die sonst unentdeckt bleiben", erklärt Erstautor Florian Büttner vom Institut für Computational Biology (ICB) am HMGU. Einzelne Zellprofile: Gesundheit und Krankheit besser verstehen