《Nature Methods》对细胞通信进行检测，现在有了计算机模型

　　

Spacia预测了成纤维细胞、内皮细胞和B细胞上皮-间质转化(EMT)激活电位的空间分布，前列腺癌细胞的EMT信号强度和前列腺癌细胞的谱系可塑性。

根据发表在《Nature Methods》上的一项新研究，由德克萨斯大学西南医学中心的研究人员开发的一种计算机模型显著提高了科学家探测细胞间通信的能力。这个被称为“Spacia”的模型可以帮助我们更好地理解一系列疾病，包括癌症、自身免疫性疾病、传染病和发育异常。

Peter O 'Donnell Jr.公共卫生学院副教授，德克萨斯大学西南分校宿主防御遗传学中心副教授Tao Wang是西蒙斯癌症中心人口科学与癌症控制研究项目的成员。

“细胞间通信(CCC)对所有生命形式都非常重要。有了Spacia，我们能够比以往任何时候都更好地破译它，”Tao Wang博士说。与奥唐奈公共卫生学院和Lyda Hill生物信息系教授、德克萨斯大学西南医学院数据科学副院长Yang Xie博士共同领导了这项研究。

CCC对于包括发育、健康维持和疾病进展在内的许多生物过程都是必需的。近年来，研究人员开发了实验技术，提供了个体细胞中基因活性的信息(单细胞测序)，甚至细胞的位置(空间分解转录组学，SRTs)，这为推断CCCs提供了关键信息。然而，分析这些技术生成的大量数据以提取准确的CCC关系的程序有几个缺点。例如，一些程序在空间相邻的细胞群中获取基因活动的平均读数，失去单细胞分辨率，而其他程序只能检测已知调节途径中细胞之间的通信。

为了克服这些问题，Wang和Xie和他们的同事使用一种称为多实例学习(MIL)的数学技术开发了用于从SRT数据推断CCCs的Spacia。MIL是机器学习的一个子集，在计算机科学领域非常有名。然而，它很少被用于生物医学用途，谢博士解释说。

研究人员使用SRTs生成的数据在各种情况下测试了Spacia，收集了重要的见解。例如，使用来自前列腺癌组织的SRT数据集，Spacia发现肿瘤微环境中的几种细胞类型参与了一种称为上皮-间质转化的现象，这是转移的重要因素。研究人员将Spacia应用于包括乳腺癌、结肠癌、皮肤癌和肺癌在内的泛癌症SRT数据集，发现B细胞(一种免疫细胞)对免疫治疗药物(称为检查点抑制剂)靶向的肿瘤细胞的信号作出反应。他们还发现了一种不同的CCC特征，可以准确预测癌症患者的生存率及其对检查点抑制剂的反应。

Xie博士说:“我们的研究强调了整合空间和转录组数据的力量，揭示了驱动疾病进展和治疗耐药性的隐藏细胞相互作用。Spacia代表了我们将分子洞察力转化为临床应用的能力的重大进步，最终改善了患者护理。”

Xie博士指出，目前西班牙对生物研究最有用。但最终，随着目前SRT的高成本下降，医生可能会使用这种工具来确定针对个别患者疾病的药物靶点，从而极大地改善个性化医疗。