Applicazione di modelli grafici per l'analisi di dati omici: introduzione all'approccio CellOracle

I progressi tecnologici più recenti nello studio delle singole cellule hanno reso possibili le misurazioni omiche multimodali, consentendo l'analisi simultanea di diverse modalità o l'integrazione dei dati omici provenienti da molteplici esperimenti. Queste tecnologie avanzate sono state selezionate come Metodo dell'Anno nel 2019 e consentono di ottenere informazioni genomiche, proteomiche, epigenetiche e spaziali da singole cellule. L'avanzamento delle tecnologie unicellulari nell'analisi omiche perturbative sta portando allo sviluppo di metodi volti a caratterizzare in modo più approfondito l'identità cellulare. È evidente l'esigenza di approcci scalabili e interpretabili per comprendere le relazioni tra i meccanismi di regolazione genetica e i complessi fenotipi osservati a livello unicellulare. La libreria di Python, CellOracle, sfrutta dati multimodali per costruire modelli personalizzati di GRN mirati a simulare le variazioni nell'identità cellulare a seguito di una perturbazione dei fattori di trascrizione (TF), offrendo un'interpretazione chiara e sistematica del ruolo contestuale dei TF nella regolazione dell'identità cellulare. I risultati ottenuti dall'approccio CellOracle sono stati successivamente confrontati con quelli ottenuti dal modello Lasso e Elastic Net. In questo studio si vuole investigare l'effetto della cachessia sulla composizione cellulare del tessuto muscolo-scheletrico in topi con tumore al colon. Sono stati esaminati 4 topi: 2 con cachessia (C26) e 2 controlli (CTRL), per i quali è stata effettuata la misurazione simultanea dell’RNA e dell’ATAC (Assay for Transposase-Accessible Chromatin) provenienti dallo stesso nucleo.