Texas Üniversitesi araştırmacıları, karışık örneklerde normal hücreleri tümör hücrelerinden ayırabilen yeni bir araç geliştirdiler. Diğer araştırmalar için geliştirilen ve açılan bu araç% 99 doğruluk oranına sahiptir.
Texas Üniversitesi MD Anderson Kanser Merkezi araştırmacıları, büyük tek hücreli RNA dizileme veri setlerini analiz etmek için yeni bir hesaplama tekniği geliştirdiler. Bu yeni teknik sayesinde, tümör örneklerindeki çeşitli normal hücrelerin ve kanser hücrelerinin verileri daha doğru bir şekilde ayırt edilebilmektedir.
CopyKAT adlı yeni araç, büyük tek hücreli RNA sıralama deneylerinden elde edilen karmaşık verileri incelemeyi kolaylaştırıyor. Tek hücreli RNA dizileme deneyleri, binlerce tek hücreden gen ekspresyon verilerini etkinleştirir. Kanser hücrelerini ve normal hücreleri ayıran araç
CopyKAT, birçok kanserde yaygın olan anormal kromozom sayılarını aramak için gen ekspresyon verilerini kullanır. Araç ayrıca kanser hücrelerinde belirli alt popülasyonları veya klonları tanımlamaya yardımcı olur. Nature Biotechnology'de yayınlanan araştırmanın yazarlarından Nicholas Navin, bu aracı çeşitli veri kümelerinde kullanarak, karışık tümör örneklerindeki tümör hücrelerini ve stromal hücreleri% 99 doğrulukla tespit edebildiklerini söyledi. Navin, daha sonra alt klonların varlığını keşfetmek ve genetik farklılıklarını anlamak için bir adım daha ileri gidebileceklerini belirtti.
Geliştirilen CopyKAT algoritması, doğruluk oranını artırarak ve yeni nesil tek hücreli RNA dizileme verisi için ayarlama yaparak bu alanda kullanılan eski tekniklerde büyük bir gelişme sağlamıştır. olmuş. CopyKAT, farklı kanser hücreleri ile yapılan testlerde karma örneklerde kanser hücrelerini tümör hücrelerinden başarılı bir şekilde ayırt edebildi.