研究人员改进了单细胞基因表达的测量

根据发表在《细胞基因组学》上的详细信息，西北医学院的科学家开发了一种新技术来识别单个细胞进行RNA测序，这将使科学家能够收集更准确、更精确的科学数据

细胞与发育生物学助理教授、该研究的高级作者Yogesh Goyal博士表示，RNA测序旨在揭示生物样本中RNA分子的数量，并为科学家提供基因表达的快照，已迅速成为科学研究的重要工具

“单细胞RNA测序真正改变了生物医学世界，”Goyal说，他也是合成生物学中心的成员。“但这项技术的基本局限性之一是试图分离单个细胞以通过微流体设备。每个样本中很容易有多个细胞。这会导致很多假阳性和假阴性。”

为了解决这一问题，Goyal和他的合作者首先采用了条形码技术，用独特的核酸序列标记单个细胞（单线态），以便在整个实验中更容易跟踪它们

接下来，研究人员测试了各种现有的机器学习算法，以了解它们如何准确地区分合成条形码的单细胞和细胞组（双细胞）。根据这项研究，他们发现现有的算法无法在RNA测序后准确区分单重态和双重态

最后，Goyal和他的实验室开发了他们自己的机器学习算法，旨在识别真正的单线态。研究结果显示，通过在来自广泛数据集库的条形码单线数据上训练该算法，研究人员能够使用该算法比以前的方法更准确地成功区分双点和单线

Driskill生命科学研究生项目（DGP）的博士生、该研究的共同第一作者Madeline Melzer说：“当你把多个细胞捕获在一起，称为双重细胞时，这可能会导致下游分析出现问题。”。DGP项目的博士生、该研究的第一作者之一张紫阳说：“我们在这里所做的是在单个细胞进入测序仪之前，将条形码引入单个细胞，这样我们以后就可以识别两个细胞何时被捕获在一起。”

“在很长一段时间里，大多数技术都不允许我们知道哪些细胞是真正的单线态。这种条形码技术的美妙之处在于，我们利用这些独特的核酸序列从大量数据中恢复单线态。这使我们能够将更好的数据输入机器学习分类器，并表明它将获得更好的性能，”张说。“我们希望人们能认识到这一点，并最终将其应用到研究中。”接下来，Goyal和他的实验室将尝试使用这项技术来测量样本中的基因表达，并绘制活动发生的位置。“从单细胞RNA测序到空间转录组学已经成为科学发现的重要组成部分，西北大学在这一领域投入了大量资金，”Goyal说，他也是西北大学Robert H.Lurie癌症综合中心的成员。“我们正试图了解如何使用这些条形码系统来解释空间生物学。”