✳️ 🤐 🕔 バイオインフォマティクスと計算生物学の違い-簡単な紹介 ✋🏾 💉 🔉

数日前、モスクワ州立大学の機械数学部を卒業し、バルセロナのポネプファブラ大学でシステム生物学（酵母の機能ゲノミクス）の博士号を取得したAlsuMissarovaがYouTubeで講演しました。現在、AlsouはJOhn Marioniの研究室（EBI、ケンブリッジ、英国）のポストドックであり、単一細胞のRNA-seqと空間転写学との統合に取り組んでいます。

また、バイオインフォマティクスとは何か、そしてそれが計算生物学とどのように異なるかについて、非常に簡単に紹介しました。放送の録音とトランスクリプトをあなたと共有します。これがバイオインフォマティクスに従事する一連のスピーカー全体の紹介になることを願っています。

私の名前はアルス・ミサロワです。バイオインフォマティクスについて、特に、私が解決する問題、処理するデータの種類、技術者の計算生物学、コンピューターサイエンス、データ分析などに偏った人々の問題の種類についてお話しするように依頼されました。

私自身はバイオインフォマティストではなく、計算生物学者です。これらの2つの概念は高度に相関しており、それらの間の境界線はあいまいですが、違いを理解することが重要です。どちらの場合も、目標はいくつかの生物学的質問に答えること、または生物学的プロセスがどのように機能するかについての理解を深めることです。彼らのアプローチは似ています：目と手では処理できない大量のデータの処理とデータ分析。違いは優先順位です。計算生物学者は、比較的具体的な生物学的問題を抱えており、収集するデータの種類を理解する必要があります。このデータにアクセスできる必要があります。正しく処理、分析、解釈し、実際に質問に答えることができる必要があります。目標が情報学である場合、それはむしろ、生物学的データを扱うためのアルゴリズム、本体、方法の作成です。タスクはおそらく最上位に置かれ、データはより産業的な形式になります。つまり、処理する特定のデータ形式があり、多数の個人や生物などのために作成する必要があります。

計算生物学者は、いくつかのライブラリを開いていくつかのツールを使用できる生物学者である可能性が高く、バイオインフォマティクスは、生物学を気にせず、生物学を本当に理解していないコンピュータ科学者である可能性が高く、彼はただ数字、文字列、データを処理します。もちろん、そうではありません。これはどの分野にも当てはまりますが、どの分野のデータを扱う場合でも、どのような種類のデータがあり、どこでデータのノイズが発生するかを完全に理解する必要があります。そして、あなたが受け取る生物学的データには多くのノイズがあります。大まかに言えば、それは技術的および生物学的ノイズに分解することができます。技術的なノイズは、データを作成するマシンが不完全で欠陥があるという事実から発生します。また、どのシステムにも多くの変動があるため、生物学的ノイズが発生します。同じ生物の2つの細胞間でも、隣接する皮膚細胞であっても、生物学的な違いがあります。技術的なノイズと生物学的なノイズを区別し、技術的なノイズを取り除き、生物学的なものを残す必要があります。これには、生物学の理解が必要です。

生物学でどのようなデータを持っているかに移りましょう。まず第一に、人々がバイオインフォマティクスを聞くとき、彼らはDNAシーケンシングについて考えます（これは原則として正当化されます）。私は誰もがそれが何であるかを知っていると思います：それは、比較的言えば、生物がどのDNA配列を持っているかを決定する能力です。つまり、DNAは非常に長い分子です。人間の場合、それは約31億の「手紙」です。 4文字-ACDH-これらはヌクレオチドです。したがって、人々は生き物のDNAを読むことを学びました。とてもかっこいいです。これで、たとえば、2人のシーケンスを判別し、それらを比較して対比し、これらのシーケンスの違いとこれらの人々の違いを比較して、原因と結果の関係を見つけることができます。それがDNAがあなたの表現型にどのように影響するか、2人の違いは何ですか。同様に、計算生物学で言いましょう：隣接する種から2つの生物を取り出し、同じ方法でそれらを配列決定することができます-DNA配列を決定し、したがって、2つの生物の違いは何か、そしてどのDNAが実際にそれに影響を与えるかを理解しようとします。

これで、別の次元に移動して、次の質問をすることができます。1つの生物から、1人の人から、2つの細胞を取得する場合、それらの違いは何ですか。つまり、比較的言えば、皮膚上皮細胞はニューロンとは異なります。ここでは、DNAはもはやあまり適していません。そのような公理がありますが、それは概して誤りです。つまり、ある生物の細胞のDNA配列は常に同じです。生物は動的な構造であるため、これは誤りです。それは成長し、共有し、死にます。この過程で、突然変異が蓄積します。 DNA複製プロセスは完全ではなく、場合によっては機能しなくなります。 DNAは繰り返されますが、不完全に繰り返されます。変異は中性である可能性があり、それは何ももたらさないか、または有害であり、細胞機能障害を引き起こします。もちろん、抽象化すると、DNAシーケンスは2つのセル間でほぼ同一です。しかし、それらは異なって機能します。したがって、多くの生物学的質問は、異なる細胞間の違いとこれに影響を与えるものを理解することを目的としています。コミュニティはこの種のデータを要求しています。この違いを強調表示、計算、読み取ることができる必要があります。

これが私たちがやっていることです。ここで人々が使用する主な（または主な）データ形式はRNAシーケンスです。ここで、RNAとは何か、および一般的なRNAシーケンスの進化について簡単に説明します。

これは非常に簡略化されたバージョンであり、実際、すべてがより複雑です。細胞生合成をサポートする2つの柱は、転写と翻訳です。 DNAは、特定の情報をエンコードする非常に長い単語です。セルによるこの情報は、処理、読み取り、機能要素への処理が可能です。

タンパク質はこの典型的な例です。これらは、特定の機能を実行し、このセルの寿命と機能を提供して、正常に動作するセル内の非常に小さなマシンです。タンパク質は遺伝子によってコードされています。遺伝子は、DNAシーケンスのサブワードです。転写とは、大きな分子機械がDNA分子の長い二重らせん上にある場合です。ポリメラーゼは遺伝子をウォークスルーし、コピーを作成して細胞の細胞質に投入します。これらのDNAコピー（実際には、正確にはコピーではありません）は一定量で作成されます。したがって、2つの異なる細胞は異なる遺伝子からの異なる量のRNAを持っています。上皮細胞の場合、より多くの遺伝子Aが必要であり、ニューロンの場合、より多くの遺伝子Bが必要であり、それらの数は異なります。次に、RNAが処理され、より最終的な形式になると、別のマシンがスレッドに「座ります」。それぞれ、人々がRNAシーケンスについて話すとき、それらは、比較的言えば、どの遺伝子からどのRNAが細胞内で生成されるかを計算することを意味します。これはRNA組成、またはRNAシーケンスです。

実際、人々がこれを行うことを学んだことは非常にクールです。長い間、この技術の主な制限は、RNA材料を取得するのに多くの細胞を必要とすることでした。つまり、何万ものセルをまとめて（当然、すでに実行不可能です）、RNAを削除してシーケンスを実行する必要がありました。

問題は、セルが互いに異なることが多いことです。多くのプロセス（たとえば、開発、免疫学、腫瘍学）では、異なる機能の細胞間に大きな相互作用があるため、生物学的変動が多くなります。そして、例えば、生検が行われ、多くの細胞が引き抜かれると、混合物が得られます。そして、すべての細胞についてこれらのRNAの期待だけを取ると、分散が失われます。そして、あなたはそれらを理解せず、研究することができません。

そして、それに応じて、単一セルレベルでこれを行うようにコミュニティからの要求がありました。そして彼らは10年前にこれを行うことを学びました。これは非常にクールです。多くの分野で非常に重要です。システムを非常に深く調べて、顕微鏡レベルでどのような種類のセルがあるかを確認できます。ただし、制限もあります。それらの1つは、空間情報を失っているということです。相対的に言えば、RNAシーケンスを実行するには、組織の一部を取得して細胞に切断し、単一セルのRNA-seqを実行する必要があります。

しかし、友好的な方法で、多くの機能は、セルが空間で互いにどのように相互作用するかにあります。そしてこのために、彼らは特別なトランスクリプトミクス技術を思いついた-空間情報を失うことなくRNAを測定する能力。

このための主な秘訣の1つは、顕微鏡を使用することです。組織を取り、それを修正します。つまり、細胞のセットを取り、顕微鏡で固定します。次に、2つの要素を含む小さなプローブをこの組織に送信します。そのうちの1つは、RNAに非常に特異的であり、重要な遺伝子にのみ結合します。そして2番目は光る蛍光マークになります。組織上の波の特定の周波数で顕微鏡を照らすことができ、細胞内のホタルの数を決定することができます。したがって、非常に多くのRNA分子が存在します。実際、私が行っているタスクは、特別なトランスクリプトミクスと単一セルRNAシーケンスの接合部にあります。相対的に言えば、ここで私は小さなマウスを見ながら開発を行っています。私は単一細胞と特別なトランスクリプトミクスに関するデータを持っています、そして、私は特別な文脈で見た細胞を、単一細胞のRNA-seqで見た細胞と一致させようとしています。

原則として、技術者やMLエンジニアが関心を持つ可能性のある問題に移ります。私は現在要求されている3種類のタスクを特定しましたが、それらはすべて医学の分野にあります。医学は今、たくさんの資源、たくさんのお金、たくさんのデータを受け取ります。

最初のタイプのタスクは薬物発見です。病気があります、それは治癒する必要があります、これのためにあなたは薬を見つける必要があります。このタスクをより詳細に要約する方法。ピルやカプセルに入れて体に送ることができる化学物質の組成を見つける必要があります。そうすれば、分子はそれらのタンパク質に特異的に結合します。これらのターゲットは、状態が変更されると、病気の状態を変化させます。比較的言えば、治癒します。

ここにはいくつかの段階があります。それらの1つは、ターゲットの識別/検証です。病気の状態を変えるために、どの分子が結合する必要があるかをどういうわけか予測できなければなりません。このために、大量のデータが収集されます。病気の人を取り、健康な人を取り、それらから多くの異なるパラメータを測定します。あなたはDNA、RNA、トランスクリプトミクス、プロテオミクス-タンパク質の状態をシーケンスしています。

次に、病気の人の細胞のどのパラメーターが特に病気の人を指しているのか、そしてどのパラメーターが健康な人を指しているのかを判断しようとしています。つまり、どの分子が潜在的に病気と相関しているのかを判断しようとしています。これは一方でです。一方で、薬になりそうな、つまり、体内に送って治癒する活性化学物質に結合する可能性のある分子を見つける必要があります。ここでは、結合、タンパク質の折り畳みなど、多くのパラメーターを測定する必要があります。

このために、アクティブな機械学習が使用されます。つまり、さまざまなタンパク質化合物を調べ、既知のターゲットに基づいて、特定のターゲットが適切かどうかを予測しようとします。さらに、正しい薬を合成する必要もあります。つまり、接触する必要のあるタンパク質に特異的に結合でき、原則として体内に侵入したり、水に溶解したりできるような分子の化学組成を見つける必要があります。最適化する必要のある機能はたくさんあります。手で行うのは難しいですが、すでに既知の薬を持っているという事実に基づいて予測することができ、新しい潜在的な薬を既知の薬と比較して、それがどれほど成功する可能性があるかを予測します。これはすべて予測のレベルです。次に、検証して実際に表示する必要があります。それが機能すること。しかし、薬物の予測は、研究に費やされるお金と時間を削減するための鍵です。これは非常に関連性があります。

最初の問題に関連する2番目の種類の問題は、比較的言えば、病気のバイオマーカーを見つけることです。癌は良い例です。彼がとても扱いにくい理由の一部は、彼がとても異なっていて、二人の間でとても多くの違いがあるからです。一般に、癌とは、特定の数の変異が蓄積し、それが細胞の破壊につながった場合です。そして、細胞は、その機能を実行する代わりに、非常に迅速に分裂し始め、健康な細胞に取って代わります。これは徐々に体を殺します。しかし、細胞が破壊されるメカニズムはたくさんあります。ある人の癌は別の人の癌ではなく、ある人に効く薬は別の人には効かないかもしれません。したがって、人が特定の病気にかかっていることを理解するために、どの遺伝子や他のパラメーターを調べる必要があるかを迅速に判断できることが非常に重要です。つまり、バイオマーカーを見つける必要があります。このために、データベースが使用されます。現在、さまざまな形式のデータが、健康な人から病気の人まで、多くの人々から積極的に収集されています。出力を結晶化する必要があります。人は治癒するかもしれないし、治癒しないかもしれません、そしてあなたはどんな種類の人々が何で病気になるかを理解する必要があります。何が壊れたのかをすぐに見つけたら、それを治すことができます。

現在開発中の3番目の領域は面白いですが、これはテキストマイニングです。現在、生物学には多くの文献があり、非常に多くの研究室が膨大な数のことに取り組んでいます。実際、人々はしばしば物事を見つけます-例えば、タンパク質-タンパク質相互作用または薬物-タンパク質相互作用。それは世界のさまざまな地域で独立して起こり、彼らはそれがどのように相互作用できるかを知りません。テキストマイニングは、公開されているさまざまな記事を調べてデータベースを構築します。つまり、ある場所で1つのタンパク質が2番目のタンパク質と相互作用し、別の場所で2番目のタンパク質が特定の薬剤の影響を受ける可能性があると判断された場合、この薬剤も元のタンパク質に影響を与える可能性があることがわかります。インタラクショングラフが作成され、以前は見つからなかった新しいインタラクションを予測できます。

私が言及したかったもう1つのタイプの問題は、私の意見では非常に興味深いものですが、画像分析です。一般に、画像は強力なデータ形式であり、セルの外観から多くのことを理解できるため、生物学で非常に頻繁に使用されます。

顕微鏡写真が大量に蓄積されている場合は、それらをすばやく分析して予測できるようにする必要があります。一般的な例は、やはり癌です。生検を行い、健康な細胞と病気の細胞がどのようにつながっているかを調べます。あなたはそれらを描きます-ある色の核、別の色の細胞質。次に、予測しようとします。この組織には腫瘍があるかどうか。

より基本的な研究のために-顕微鏡からの画像の処理はすでにより困難です。人々は、特定のオルガネラ、分子、またはタンパク質を調べ、それに応じて、細胞が互いにどのように相互作用するか、どのように発達するかなどを追跡したいと考えています。人々は細胞のさまざまな要素を着色することを学びました、そしてこれは蛍光タンパク質を使用して行われます。あなたはあなたが望むものを取り、そのタグ付けされたタンパク質をそれに付けます。そして、それに光を当てると、それが光り、これらのオルガネラ、またはタンパク質、またはRNAが特定の場所にあることがわかります。そして、セルがどのように相互作用するかを追跡します。写真がたくさんあり、原則として解像度があまり良くないため、これには画像分析も必要です。そして、あなたは泥だらけの写真から良い解像度を得る必要があります。実際、コミュニティは静止していません。人々はニューラルネットワークを作成したり、さまざまなパラメータを変更したりします。しかし、データは進化し、メソッドもそれに伴って進化する必要があります。つまり、これらのことは密接に関連している必要があります。

多くのラボが考えている現在の傾向は、「時間を征服する方法」です。つまり、シーケンス処理と画像分析などの両方で、このような問題が発生することがよくあります。システムのスナップショットはありますが、静的です。特定の時間に測定を行います。そして、あなたは細胞がどのようにさらに発達するかを理解していません。この問題を解決するためのアプローチの1つは、ライフイメージングです。細胞を殺さずに、細胞が発達したり相互作用したりする環境に置き、10秒ごとに顕微鏡でスナップショットを撮ると、動きや相互作用などの軌跡を復元できます。ただし、制限があります。たとえば、蛍光スタンプは、スタンプに光を当てると放射を放出し、細胞に有毒であるため、ライフイメージングに使用するのにはあまり適していません。細胞は死に始めます。妥協点を見つける必要があります。一方では、ケージを可能な限り健康に保ちたいが、他方では、より多くのスナップショットを撮りたいのですが、スナップショットを撮るほど、死ぬのが早くなります。

そして、ここにそのようなアプローチがあります：人々は現在、最小数の蛍光マークの助けを借りて細胞の運命を決定しようとしていますが、実際には-核と細胞の微小輪郭の助けを借りてのみです。これは顔認識のようなものです。以前は目に見える目、口、鼻、その他の機能でそれを行うことができましたが、今では目にサングラスと口にマスクを付けることができるため、鼻だけで行う必要があります。つまり、問題はより複雑になり、ここでも同じことが言えます。少量の情報を使用して生物学的パラメーターを計算する必要があり、多くのタスクがあります。

たくさんのタスクがあり、たくさんのデータタイプがあります。細胞、生物、その他のもののすべてのパラメーターが測定されます。これは非常に興味深い分野です。あなたが以前に彼女のことを考えていたら、私はあなたを信じなかったと思います。

バイオインフォマティクスと計算生物学の違い-簡単な紹介

以前に起こったこと

More articles: