Tek Hücreli Filogenetik Analiz — Tek Hücre Çözünürlüğünde Soy Ağacı Yeniden Yapılandırması
Single-cell Phylogenetic and Lineage Tree Reconstruction · Ayrıca şöyle bilinir: scPhylogeny, single-cell lineage tracing, clonal phylogenetics, single-cell tree inference
Tek hücreli filogenetik analiz, tek hücreli dizileme verilerinden evrimsel veya gelişimsel ağaçları yeniden yapılandırarak, bireysel hücrelerin ortak bir atadan nasıl farklılaştığını izler. Somatik mutasyonları, CRISPR ile tanıtılan barkodları veya kopya sayısı değişikliklerini kalıtsal karakterler olarak kullanarak, bu yöntem tümörler, gelişmekte olan dokular veya bağışıklık repertuvarları içindeki klonal ilişkileri benzeri görülmemiş bir hücresel çözünürlükle haritalandırır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Temel sorunun bireysel hücrelerin evrimsel veya gelişimsel geçmişiyle ilgili olduğu durumlarda tek hücreli filogenetik analizi kullanın — örneğin, tümör klonal evrimini yeniden yapılandırmak, enfeksiyon sırasında bağışıklık hücresi soyunu izlemek veya embriyogenezde hücre kaderi kararlarını haritalamak. Kalıtsal varyant bilgisi (somatik mutasyonlar, CRISPR barkodları veya kopya sayısı çağrıları) içeren tek hücreli veriler gerektirir; toplu dizileme verileri veya hücre düzeyinde çözünürlükten yoksun veriler uygun değildir. Hücrelerde bilgilendirici kalıtsal belirteçler bulunmadığında (örneğin, düşük somatik mutasyon yüküne sahip normal dokular ve soy barkodları yoksa), biyolojik soru tarih yerine kararlı durum hücre tipi bileşimiyle ilgili olduğunda veya çalışma tasarımında anlamlı ağaç topolojilerini çözmek için yetersiz olan birkaç yüzden az profillenmiş hücre olduğunda bu yöntemi KULLANMAYIN.
Güçlü yönler & sınırlılıklar
- Tek hücre çözünürlüğünde klonal mimariyi çözer, toplu dizileme ile görünmeyen subklonal heterojenliği ortaya çıkarır.
- Çeşitli biyolojik bağlamlara uygulanabilir — tümör evrimi, bağışıklık repertuvarı, embriyonik gelişim ve organoid çalışmaları.
- CRISPR tabanlı soy izleme, kontrollü deneysel tasarımlara olanak tanıyarak prospektif olarak tasarlanabilir.
- scRNA-seq ile sorunsuz bir şekilde entegre olur, evrimsel geçmişi aynı hücrelerdeki transkripsiyonel fenotiple ilişkilendirir.
- Simüle edilmiş ve gerçek veriler üzerinde kıyaslanmış performansa sahip olgun yazılım ekosistemi (Cassiopeia, SCITE, SiCloneFit, Monocle).
- Yüksek dizileme düşüşü, karakter matrisinde eksik veri oluşturarak ağaç doğruluğunu ve çözünürlüğünü azaltır.
- Somatik mutasyon tabanlı yaklaşımlar, tek hücre ölçeğinde pahalı olan derin dizileme kapsamı gerektirir.
- Ölçeklenebilirlik sınırlıdır: kesin ağaç çıkarım algoritmaları, birkaç bin hücrenin ötesinde hesaplama açısından imkansız hale gelir.
- Biyolojik yorumlama, her zaman mevcut olmayabilecek tamamlayıcı açıklamalar (hücre tipi etiketleri, klinik veriler) gerektirir.
- Yöntem, bugünkü anlık görüntülerden geçmişi çıkarır; geçici durumlar veya soyu tükenmiş klonlar gözlemlenebilir bir sinyal bırakmaz.
SSS
Tek hücreli filogenetik analiz ile sözde zaman trajektori çıkarımı arasındaki fark nedir?
Trajektori çıkarımı (sözde zaman), kademeli farklılaşmayı modellemek için hücreleri transkripsiyonel değişimin sürekli bir ekseni boyunca sıralar; soy ağacı çıkarımı yapmaz. Tek hücreli filogenetik analiz, kalıtsal karakterler (mutasyonlar, barkodlar) kullanarak ayrık bir soy ağacını yeniden yapılandırır. İki yaklaşım farklı soruları yanıtlar: sözde zaman 'farklılaşma hangi transkripsiyonel yol boyunca ilerler?' diye sorarken, filogenetik 'hangi hücreler ortak bir atayı paylaşır ve ne zaman ayrıldılar?' diye sorar.
Karakter olarak CRISPR barkodları yerine somatik SNV'leri kullanabilir miyim?
Evet. Hücre bölünmesi sırasında biriken somatik nokta mutasyonları doğal barkodlar olarak hizmet edebilir. Bu yaklaşım, tek hücre düzeyinde derin hedeflenmiş veya tüm genom dizilemesi gerektirir. Ana sınırlama seyrek karakter matrisleridir — normal hücreler bölünme başına çok az mutasyon biriktirir ve bu da büyük miktarda eksik veri bırakır. CRISPR ile düzenlenmiş barkodlar çok daha yoğun karakter matrisleri oluşturur ve deneysel bir müdahale mümkün olduğunda tercih edilir.
Anlamlı bir tek hücreli filogeni için kaç hücreye ihtiyacım var?
Evrensel bir eşik yoktur, ancak birkaç yüzden az hücreden oluşturulan ağaçlar genellikle çok sınırlı çözünürlüğe sahiptir. Anlamlı klonal mimari çalışmaları genellikle yüzlerce ila on binlerce hücre içerir. Kritik faktör, hücre başına bilgilendirici karakter oranıdır: hücre başına daha fazla kalıtsal varyant, daha az hücrenin iyi çözülmüş bir ağaç üretmesini sağlar.
Hangi yazılımı kullanmalıyım?
Cassiopeia, şu anda CRISPR barkod tabanlı soy izleme için en eksiksiz ve kıyaslanmış boru hattıdır. SCITE ve SiCloneFit, tümör mutasyon ağaçları için iyi doğrulanmıştır. CRISPR mühendisliğinin mümkün olmadığı organizmalar için, kopya sayısı değişiklikleri etrafında oluşturulmuş araçlar (örneğin, inferCNV'nin filogenetik yeniden yapılandırma ile birleştirilmesi) yaygın olarak kullanılır. En iyi seçim, karakter tipine (barkodlar, SNV'ler veya CNV'ler) ve veri kümesinin hesaplama ölçeğine bağlıdır.
Karakter matrisindeki eksik verileri nasıl ele alırım?
Eksik veriler — öncelikle dizileme düşüşünden kaynaklananlar — merkezi bir zorluktur. Stratejiler arasında olasılıksal imputasyon, eksik girişleri ayrı bir karakter durumu olarak ele alma veya eksik gözlemleri marjinalleştirmek için özel olarak tasarlanmış algoritmalar kullanma yer alır. Örneğin Cassiopeia, eksik veriye duyarlı bir ILP çözücüsü uygular. Eksik veri oranını raporlamak ve farklı eksik veri varsayımları altında ağaç sağlamlığını kıyaslamak iyi bir uygulama olarak kabul edilir.
Kaynaklar
- Jones, M. G., Khodaverdian, A., Quinn, J. J., Chan, M. M., Hussmann, J. A., Wang, R., Xu, C., Weissman, J. S., & Yosef, N. (2020). Inference of single-cell phylogenies from lineage tracing data using Cassiopeia. Genome Biology, 21(1), 92. DOI: 10.1186/s13059-020-02000-8 ↗
- Trapnell, C., Cacchiarelli, D., Grimsby, J., Pokharel, P., Li, S., Morse, M., Lennon, N. J., Livak, K. J., Mikkelsen, T. S., & Rinn, J. L. (2014). The dynamics and regulators of cell fate decisions are revealed by pseudotemporal ordering of single cells. Nature Biotechnology, 32(4), 381-386. DOI: 10.1038/nbt.2859 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Single-cell Phylogenetic and Lineage Tree Reconstruction. ScholarGate. https://scholargate.app/tr/bioinformatics/single-cell-phylogenetic-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Kopya Numarası Değişkenliği AnaliziBiyoenformatik↔ karşılaştır
- Filogenetik AnalizBiyoenformatik↔ karşılaştır
- Tek hücre RNA-seq AnaliziBiyoenformatik↔ karşılaştır
- Variant CallingBiyoenformatik↔ karşılaştır