Dirk Busch: In vivo T-cell fate mapping at the single cell level
A CD8 T-sejtek száma fertőzés után megnő. Egy részük memória sejtté alakul, hogy egy újabb fertőzés esetén az immunrendszer gyorsabban reagálhasson. A jelenlegi ismereteink szerint a memória sejtek egy asszimmetrikus osztódás segítségével jönnek létre, amikor az egyik sejt effektor sejt lesz, a másik memória sejt. Mikor válik el a két útvonal? A probléma, hogy a sejtosztódás után nem tudni, melyik sejtet szekvenálják meg? Ezért szükséges volt valahogy megjósolni, hogy melyik utód sejt lesz a memória sejt. Készítettek egy matematikai modellt, de sajnos gyenge asszociációt mutatott a valósággal. Végül egy speciális kísérleti elrendezéssel rájöttek, hogyan tolhatják el az osztódást a memória sejt irányába, valamint valós idejű mikroszkópi technikák segítségével választották ki a potenciális memória sejteket. Végső következtetésük, hogy az asszimmetrikus osztódás elmélete nem tartható.
Tapio Lonnberg: Single-cell RNA-sequencing resolves bifurcation of T-helper cell fates
A T-sejtek a fejlődés során lehetnek Th1 sejtek és Tfh sejtek. Kérdés, mi szabályozza a kialakulásukat? Ha az RNA-seq adatokat főkomponens analízisnek vetik alá, két csoportot kapnak, amelyek megfeleltethetőek a két fenti sejttípusnak. Egy Gauss látens változó modellt használva (Gaussian process latent variable model) a 15 ezer gént 2 változóra és egy látens változóra térképezték, majd az adatok további vizsgálata egy biofurkációt tárt fel, ami a sejtek differenciációjával van kapcsolatban. Négyszáznyolc egy sejtes adat alapján a Cyclone algoritmus kihozta, hogy a bifurkációban a Tcf7 és ID2 géne játszák a központi szerepet. Természetesen ezek a gének önmagukban kevesek, hogy kialakítsák egyik vagy másik sejttípust, a többi gén azonosítása még folyamatban van.
Lianne Kok: Symmetry in daughter cell fate upon in vivo T-cell activation
A csoport szintén a Dirk Busch-féle problémán dolgozott, de merőben eltérő technikákat használtak. Több energiát fektettek a laboratóriumi munkába. Az osztódó sejteket barcode-al jelölték. Ennek lényege, hogy ezt a barcode-ot csak az egyik utódsejt örökli, hogy melyik, az a szekvenálás után kiderül. Ők is úgy gondolják, hogy az asszimmetrikus osztódás elmélete téves.
Leïla Perie: Deciphering the hematopoietic pathway at the single cell level: results from cellular barcoding
Ebből az előadásból kiderült számomra, mi a barcode. Ez egy 100 nukleotid hosszú egyedi szekvencia, amit egy Lenti-vírusba építenek és megfertőzik vele a sejteket. Kétezer-hatszáz egyedi szekvenciát állítottak elő, majd egy egyszerű PCR-al követték nyomon a sejtek fejlődését. Legnagyobb meglepetésükre az őssejtek legtöbbje nem produkált eritroblasztot és mieloid sejtet. A hipotézisük az volt, hogy minden progenitor minden sejttípust elő tud állítani, de világossá vált számukra, hogy ez nem igaz. Kérdés, mi dönti el, hogy melyik leszármazási vonal lép életbe? A vizsgálatok több új útvonalat is feltártak, de ezek szabályozása sok esetben sztohasztikus, mert például az Eponak már a mennyiségi változása is hat a differenciációra. Azt hiszem jó ideig fogják még bogarászni az adatokat.
Quin Wills: Nature, Nietzsche and Nurture: the existential crises of 500 gene edited macrophages when prevented from signalling each other
Az előadás a makrofák sejt-sejt kommunikációt próbálta feltérképezni. A kísérlet során megpróbálták a makrofágokat elválasztani a többi sejttípustól, amihez egy gyöngy szűrőt használtak. Az elválasztás egészen jól sikerült, még akkor is, ha egyes makrofágok kajának nézték a gyöngyöket. Az elválasztás után 1 és 8 órával megnézték a gén expressziót, és az érdekesebb géneket kiütötték, hogy ellenőrizzék a feltevéseiket. A munkához fejlesztettek egy Bioconductor csomagot is Scater néven. De erre nem sikerült ráakadnom.
Olivier Stegle: Disentangling the transcriptome and epigenome diversity between single cells
A populáció genetika sok hasonlóságot mutat az egy sejtes szekvenálásokkal. Legalábbis a feldolgozás szempontjából. A sejt-sejt eltérések modellezése nehéz, mert a sejtek nem egyformák, különböző állapotokban lehetnek, ezért célszerű kovariancia mátrixot használni, hogy az azonos állapotban lévő sejteket azonosítani lehessen. A főkomponens analízis önmagában erre nem elég, kell a sejtciklus állapota is, mint prior adat. A technikai zaj újabb forrása lehet a különbségeknek. Megpróbálják az összes változót beleszuszakolni egy egyenletbe és még egy rejtett változót is hagytak az ismeretlen hatásoknak. Az eredmények azt mutatták, hogy a rejtett hatások játszák a legnagyobb szerepet. Ebből is látszik, ha valaki a tudás határán táncol, válaszok helyett csak még több kérdést talál.
Fabian Theis: Decoding temporal order and lineage choice of asynchronously differentiating cells from single cell gene expression data
A sejt osztódás kimenetének jóslása elég nehéz feladat. Jelenleg egy méy tanulásos algoritmus segítségével három generációra előre meg tudják mondani, merre fog a sejt fejlődése tovább menni. A módszer alapja egy több dimenziós manifold, amit véletlen bejárással térképeznek fel. Az eredményekből készítenek egy Markovi állapotváltozás mátrixot, ami a jóslás alapja lesz. Dimenzió csökkentésre t-SNE-t használtak. Röpködtek még durvább kifejezések is, de már ez is jócskán meghaladja a tudásomat. De készítettek egy Bioconductor csomagot destiny néven.
Benjamin Simons: Global oscillations in DNA methylation of primed embryonic stem cells
Az embrióban az őssejtek osztódásuk során dinamikus egyensúlyban vannak, de az osztódás szimmetriája egy idő után megtörik és elkezdődik a differenciáció. Ennek hátterében epigenetikai változások állnak. Mivel már egy sejten is tudnak BS-seq-et végezni, a jelenség vizsgálata egyszerűbbé vált. A naív őssejtekben a metiláció szintje alacsony, de ez az idő előrehaladtával egyre nő. Kis lépétékben osszcillációt is tapasztaltak, ami arra utal, hogy a metiláció egy ciklikus folyamat. Megpróbáltak egy matematikai modellt is készíteni, amit különböző gén kiütéses mutánsokkal ellenőriztek. Az eredmények alapján a modell jól teljesített. Vizsgálták, hogy az oszcilláció mutat-e összefüggést transzkripciós változással, de nem találtak korrelációt. Úgy tűnik a metiláció az egyetlen szabályozó tényező.
