BaRoN
Yönetici
- Katılım
- 2 Haz 2019
- Mesajlar
- 3,417
- Tepkime puanı
- 6,365
- Puanları
- 113
- Yaş
- 48
- Konum
- istanbul
- Cinsiyet
- Erkek
Texas Üniversitesi araştırmacıları, karışık örneklerdeki tümör hücreleriyle normal hücreleri farklılaştırabilen yeni bir araç geliştirdi. Geliştirilen ve diğer araştırmalar için de açılan bu araç, %99 gibi bir doğruluk oranına sahip.
Texas Üniversitesi MD Anderson Kanser Merkezi araştırmacıları, büyük tek hücre RNA dizileme veri setlerini analiz etme konusunda yeni bilgisayımsal teknik geliştirdi. Geliştirilen bu yeni teknik sayesinde, tümör örneklerinde bulunan çeşitli normal hücrelerle kanser hücrelerinin verileri daha doğru bir şekilde farklılaştırılabiliyor.
CopyKAT adı verilen yeni araç, büyük tek hücre RNA dizileme deneylerinden elde edilmiş karmaşık verileri daha kolay bir şekilde incelenmesini sağlıyor. Tek hücre RNA dizileme deneyleri, binlerce tekil hücreden gen ekspresyonu verilerinin alınmasını sağlıyor.
CopyKAT adındaki bu araç, birçok kanserde yaygın görülen anormal kromozom sayılarına bakmak için gen ekspresyon verilerini kullanıyor. Araç, ayrıca kanser hücrelerindeki belirgin alt popülasyonları ya da klonları da belirlemeye yardımcı oluyor.
Nature Biotechnology'de yayınlanan araştırmanın yazarlarından Nicholas Navin, çeşitli veri setlerinde bu aracı kullanarak karışık tümör örneklerinde tümör hücreleriyle stromal hücrelerini %99 doğrulukla tespit edebildiklerini gösterdiklerini söyledi. Navin, daha sonra alt klonların varlıklarını keşfetmek ve genetik farklılıklarını anlamak için bir adım daha öteye gidebildiklerini ifade etti.
Geliştirilen CopyKAT algoritması, doğruluk oranını arttırarak ve yeni nesil tek hücre RNA dizileme dataları için ayarlanarak bu alanda kullanılan eski tekniklerin üstüne büyük bir gelişme koymuş oldu. CopyKAT, farklı kanser hücreleriyle yapılan testlerde karışık örneklerdeki tümör hücreleriyle kanser hücrelerini başarılı bir şekilde ayrıştırabildi.
Araştırmanın yazarları, geliştirdikleri bu aracın kanser alanındaki yeni keşifler için kullanışlı olmasını umut ettiklerini dile getirirken bu aracın araştırmacıların kullanımına da tamamen açık olduğunu belirtti. Ancak yazarlar, bu aracın tüm kanser türündeki çalışmalara uygulanabilir olmadığını da dile getirdi.
Texas Üniversitesi MD Anderson Kanser Merkezi araştırmacıları, büyük tek hücre RNA dizileme veri setlerini analiz etme konusunda yeni bilgisayımsal teknik geliştirdi. Geliştirilen bu yeni teknik sayesinde, tümör örneklerinde bulunan çeşitli normal hücrelerle kanser hücrelerinin verileri daha doğru bir şekilde farklılaştırılabiliyor.
CopyKAT adı verilen yeni araç, büyük tek hücre RNA dizileme deneylerinden elde edilmiş karmaşık verileri daha kolay bir şekilde incelenmesini sağlıyor. Tek hücre RNA dizileme deneyleri, binlerce tekil hücreden gen ekspresyonu verilerinin alınmasını sağlıyor.
Kanser hücreleri ve normal hücreleri ayrıştıran araç
CopyKAT adındaki bu araç, birçok kanserde yaygın görülen anormal kromozom sayılarına bakmak için gen ekspresyon verilerini kullanıyor. Araç, ayrıca kanser hücrelerindeki belirgin alt popülasyonları ya da klonları da belirlemeye yardımcı oluyor.
Nature Biotechnology'de yayınlanan araştırmanın yazarlarından Nicholas Navin, çeşitli veri setlerinde bu aracı kullanarak karışık tümör örneklerinde tümör hücreleriyle stromal hücrelerini %99 doğrulukla tespit edebildiklerini gösterdiklerini söyledi. Navin, daha sonra alt klonların varlıklarını keşfetmek ve genetik farklılıklarını anlamak için bir adım daha öteye gidebildiklerini ifade etti.
Geliştirilen CopyKAT algoritması, doğruluk oranını arttırarak ve yeni nesil tek hücre RNA dizileme dataları için ayarlanarak bu alanda kullanılan eski tekniklerin üstüne büyük bir gelişme koymuş oldu. CopyKAT, farklı kanser hücreleriyle yapılan testlerde karışık örneklerdeki tümör hücreleriyle kanser hücrelerini başarılı bir şekilde ayrıştırabildi.
Araştırmanın yazarları, geliştirdikleri bu aracın kanser alanındaki yeni keşifler için kullanışlı olmasını umut ettiklerini dile getirirken bu aracın araştırmacıların kullanımına da tamamen açık olduğunu belirtti. Ancak yazarlar, bu aracın tüm kanser türündeki çalışmalara uygulanabilir olmadığını da dile getirdi.
