Um die Entwicklung eines jeden lebenden Organismus zu verstehen, in dem sich die Zellen vermehren und diversifizieren, um seine verschiedenen Teile zu bilden, ist es unerlässlich, den Ursprung jeder einzelnen Zelle zu verstehen. Dies nennen Biologen die "Zelllinie", d. h. einen Stammbaum, nur eben für die Zellen. So wie Sie Ihre Abstammung bis zu Ihren Großeltern und darüber hinaus zurückverfolgen können, können Wissenschaftler die Teilung und Entwicklung von Zellen von einer einzigen "Eltern"-Zelle in verschiedene "Nachkommen"-Zellen zurückverfolgen, von denen jede ihre eigene Rolle im Organismus hat.
Die Rückverfolgung von Zelllinien hilft uns zu verstehen, wie sich komplexe Organismen wie der Mensch aus einem einzigen befruchteten Ei zu Wesen mit Billionen von spezifischen Zellen entwickeln können und wie Störungen dieses Prozesses zu Krankheiten wie Krebs führen können. Das Gebiet stößt jedoch auf große Hindernisse, hauptsächlich weil die Rückverfolgung von Linien komplexe und arbeitsintensive Techniken erfordert.
Das GEMLI-Tool
Vor kurzem haben Wissenschaftler unter der Leitung von Almut Eisele und David Suter von der EPFL ein Computertool entwickelt, das die Abstammungsbeziehungen zwischen Zellen bestimmen kann, ohne auf spezielle experimentelle Methoden der Abstammungsnachverfolgung zurückgreifen zu müssen.Dieses GEMLI (Gene Expression Memory-based Lineage Inference) genannte Werkzeug benötigt nur Daten aus der RNA-Sequenzierung von Einzelzellen (scRNA-seq). Diese weit verbreitete Technik erfasst "Schnappschüsse" von Genen, die von einer einzelnen Zelle zu einem bestimmten Zeitpunkt exprimiert werden.
GEMLI macht sich das faszinierende Phänomen des Gedächtnisses der Genexpression zu Nutze. Genauso wie man sich an ein Rezept erinnert, nachdem man es mehrmals nachgekocht hat, behalten bestimmte Gene die Intensität ihrer Expression über mehrere Zellgenerationen hinweg bei. Durch die Nutzung dieser "Gedächtnisgene" in den scRNA-seq-Datensätzen kann GEMLI daher die Abstammungsbeziehungen zwischen verschiedenen Zellen rekonstruieren, indem es ihren Stammbaum allein auf der Grundlage von Genexpressionsmustern effizient zurückverfolgt.
Die Wissenschaftler haben GEMLI rigoros an verschiedenen Zelltypen und unter verschiedenen Bedingungen getestet, darunter embryonale Stammzellen, Fibroblasten, Blutzellen, Darmzellen und verschiedene Arten von Krebszellen, sowohl in vitro als auch in vivo. In allen Tests erwies sich GEMLI sowohl als zuverlässig als auch als vielseitig.
Identifizierung von Zelllinien mithilfe von GEMLI, in kleinen Zellgruppen (links) oder größeren Linien (rechts ).
GEMLI identifiziert Zelllinien in primären menschlichen Tumoren.
Das Team setzte GEMLI auch bei primären Brustkrebsproben ein, bei denen andere Methoden zur Identifizierung von Zelllinien nicht angewendet werden können. "GEMLI funktioniert am effektivsten, wenn es darum geht, kleine bis mittelgroße Linien (ca. 30 bis 50 Zellen) nachzuverfolgen, die es ermöglichen, die Verzweigungspunkte während des Fortschreitens des Krebses heranzuzoomen", sagt David Suter. "Durch die Identifizierung von Zellen an der Übergangsstelle von einem in situ- zu einem invasiven Phänotyp ist es möglich, Gene zu entdecken, die potenziell für die Krebsprogression verantwortlich sind."Kurz gesagt: GEMLI identifiziert und nutzt Speichergene in einem riesigen Satz genetischer Informationen und verwendet sie als "roten Faden", um die Abstammung von Zellen zurückzuverfolgen. Durch die Analyse der subtilen Nuancen der Genexpression enthüllt GEMLI die familiären Verbindungen zwischen den Zellen.
GEMLI erfordert weder eine spezielle Ausrüstung noch eine Änderung der Standard-Laborpraktiken. Es steht kostenlos unter https://github.com/UPSUTER/GEMLI , zur Verfügung und ermöglicht die Identifizierung von Linien aus praktisch jedem typischen scRNA-seq-Datensatz. "Wir sind von dem Potenzial von GEMLI begeistert. Es sollte die große Anzahl Öffentlich zugänglicher scRNA-seq-Datensätze von menschlichen Krebserkrankungen nutzen, um zu analysieren, wie andere Krebsarten in einen invasiven Phänotyp übergehen", sagte David Suter.
