کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8376339 1543154 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Single-Cell Computational Strategies for Lineage Reconstruction in Tissue Systems
ترجمه فارسی عنوان
استراتژی محاسباتی تک سلولی برای بازسازی خطی در سیستم های بافت
ترجمه چکیده
تابع در سطح عضو از یک مجموعه ناهمگن از انواع سلولها ظاهر می شود. ناهمگنی سلولی از فرایندهای رشدی حاصل می شود که سلول های پیشرو مولد توانایی تصمیم گیری های سرنوشت را دریافت می کنند و به سلول های خاصی از طریق سلول های میان سلولی انتقال می یابند. اگرچه استراتژی های تجربی ژنتیکی مانند ردیابی خطوط بینش را در مورد سلول های سلولی ارائه کرده اند، اما پیشرفت های اخیر در فن آوری تک سلولی باعث افزایش توانایی ما در بازجویی انواع سلول های متمایز و همچنین وضعیت سلول های گذرا در سیستم های بافت شده است. از داده های تک سلولی که این حالت های سلولی متوسط ​​را توصیف می کنند، ابزار محاسباتی برای بازسازی مسیرهای انتقال سلولی که فرآیندهای تکاملی سلولی را طراحی می کنند، توسعه داده شده است. این الگوریتم ها، هرچند قدرتمند هستند، هنوز در دوران کودکی خود هستند، و هنگام استفاده از آنها باید از نقاط قوت و ضعف آنها توجه کرد. در اینجا، ما برخی از این ابزارها را بررسی می کنیم، همچنین به عنوان الگوریتم های مرتبه ی مرتبه ی پیاپی و پیش فرضها و هشدارهای مرتبط با آنها اشاره می شود. ما امیدواریم که یک گردش عملی منطقی و قابل توزیع برای تجزیه و تحلیل مسیر مسیر تک سلولی فراهم شود که برای زیست شناسان تجربی قابل درک است.
موضوعات مرتبط
علوم زیستی و بیوفناوری بیوشیمی، ژنتیک و زیست شناسی مولکولی بیوشیمی، ژنتیک و زیست شناسی مولکولی (عمومی)
چکیده انگلیسی
Function at the organ level manifests itself from a heterogeneous collection of cell types. Cellular heterogeneity emerges from developmental processes by which multipotent progenitor cells make fate decisions and transition to specific cell types through intermediate cell states. Although genetic experimental strategies such as lineage tracing have provided insights into cell lineages, recent developments in single-cell technologies have greatly increased our ability to interrogate distinct cell types, as well as transitional cell states in tissue systems. From single-cell data that describe these intermediate cell states, computational tools have been developed to reconstruct cell-state transition trajectories that model cell developmental processes. These algorithms, although powerful, are still in their infancy, and attention must be paid to their strengths and weaknesses when they are used. Here, we review some of these tools, also referred to as pseudotemporal ordering algorithms, and their associated assumptions and caveats. We hope to provide a rational and generalizable workflow for single-cell trajectory analysis that is intuitive for experimental biologists.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Cellular and Molecular Gastroenterology and Hepatology - Volume 5, Issue 4, 2018, Pages 539-548
نویسندگان
, , , ,