Mittels statistischer Analysen lassen sich Störfaktoren und Unsicherheitsvariablen von Einzelzellanalysen erfassen. Dies ermöglicht es, einzelne Subpopulationen und Zelltypen noch genauer zu bestimmen und innerhalb von Zellpopulationen zu identifizieren.

Dies berichteten Wissenschaftler des Helmholtz Zentrums München und der Technischen Universität München gemeinsam mit Kollegen des European Bioinformatics Institute (EBI). Zellpopulationen weisen untereinander eine hohe Heterogenität auf, 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 (Einzelzellanalyse). Diese Methodik ist durch jüngste Entwicklungen für Hunderte von Zellen möglich und liefert ein exaktes Bild einzelner Zelltypen. Dennoch können Störfaktoren, wie eine kurzfristig veränderte Genexpression, bedingt durch den Zellzyklus oder Differenzierungsprozesse, das Ergebnis beeinflussen.

Störfaktoren herausrechnen

Die Wissenschaftler haben 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 Dr. Florian Büttner vom Institut für Computational Biology (ICB) am HMGU.

Einzelne Zellprofile: Gesundheit und Krankheit besser verstehen

Mit ihrem sog. single-cell latent variable Model (scLVM) gelang es dem Team um Büttner und Prof. Dr. Fabian Theis vom HMGU sowie John Marioni und Oliver Stegle vom European Bioinformatics Institute (EMBL-EBI, Cambridge, UK) unterschiedliche Reifestadien von T-Zellen in ihrer Entwicklung hin zu Th2-Zellen zu detektieren und zu charakterisieren. „Die Analyse einzelner Zelltypen ist essenziell für die medizinische Forschung: Krebszellen, Differenzierungsprozesse, Krankheitsentstehung und vieles mehr lassen sich nur anhand bekannter, detaillierter Zellprofile besser erforschen und verstehen“, so Büttner.