RNA速度

RNA速度は、基礎となるメカニズムであるmRNAスプライシングへの測定を橋渡しすることに基づいており、2つのモードで現在の状態と将来の状態を示します。^[1]これは、スプライスされたmRNAとスプライスされていないmRNAの両方の転写物の測定に基づいて、細胞の将来の遺伝子発現を予測するために使用される方法です。^[2]

RNA速度は、単一細胞RNAシーケンシング（scRNA-seq）データにおける遺伝子発現の変化の方向を推測するために使用できます。スプライスされていないRNA転写産物とスプライスされたRNA転写産物の豊富さを使用して、個々の細胞の将来の状態に関する洞察を提供します。この比率は、細胞がある細胞型から別の細胞型に移行しているのか、分化しているのかなど、転写ダイナミクスと潜在的な運命を示すことができます。^[3]

ソフトウェアの使用

RNA 速度解析にはいくつかのソフトウェアツールが利用可能です。これらのツールにはそれぞれ独自の長所と用途があるため、ツールの選択は解析の特定の要件によって異なります。

ベロサイト

Velocyto は、単一細胞 RNA シーケンスデータの発現ダイナミクスを分析するためのパッケージです。特に、標準的な単一細胞 RNA シーケンスプロトコルでスプライスされていない mRNA とスプライスされた mRNA を区別することにより、単一細胞の RNA 速度を推定できます。これは、RNA 速度の概念を提案した最初の論文です。velocyto は、各遺伝子に対して提案された微分方程式を解くことで RNA 速度を予測しました。著者らは、RNA 速度に基づいて、多様体とその多様体上の速度論を同時に適合させる将来の多様体学習アルゴリズムを構想しています。^[3]

スクベロ

scVelo は、尤度ベースの動的モデルを使用してスプライシングキネティクスの完全な転写ダイナミクスを解く方法です。これにより、RNA 速度が、発達や摂動への応答でよく見られる一時的な細胞状態を持つシステムに一般化されます。scVelo は、神経発生と膵臓内分泌発生におけるサブポピュレーションキネティクスの解明に適用されました。scVelo は、海馬歯状回神経発生と膵臓内分泌発生のさまざまな細胞系統に対する動的モデルの機能を実証しています。^[4]

セルダンサー

cellDancer はスケーラブルなディープニューラルネットワークで、各細胞の速度をその近傍からローカルに推定し、一連のローカル速度を中継して、単一細胞解像度の速度動態推定を提供します。cellDancer は、velocyto と scVelo の運動速度に関する既存の仮説を改良しました。転写速度は定数 (velocyto モデル) またはバイナリ値 (scVelo モデル) のいずれかであり、スプライシングと分解速度はすべての遺伝子と細胞で共有されるため、パフォーマンスが予測できない可能性がありますが、cellDancer はディープラーニングを通じて各細胞の各遺伝子の特定の転写、スプライシング、分解速度を予測できます。^[5]

マルチベロ

MultiVeloは、RNA速度フレームワークを拡張してエピゲノムデータを組み込んだ遺伝子発現の微分方程式モデルです。MultiVeloは確率的潜在変数モデルを使用して、クロマチンアクセシビリティと遺伝子発現の切り替え時間と速度パラメータを推定します。^[6]

ディープベロ

DeepVeloはニューラルネットワークベースの常微分方程式であり、個々の細胞内の連続的な遺伝子発現の変化を記述することで複雑なトランスクリプトームダイナミクスをモデル化することができます。DeepVeloは、さまざまなシーケンシングプラットフォームの公開データセットに適用され、(i)さまざまな時間スケールでのトランスクリプトームダイナミクスの定式化、(ii)細胞状態の不安定性の測定、(iii)摂動解析による発達ドライバー遺伝子の特定を行っています。^[7]

ユニットベロ

UnitVeloは、柔軟な転写活動を介してスプライスされたRNAとスプライスされていないRNAのダイナミクスをモデル化するRNA速度の統計フレームワークです。UnitVeloは、トランスクリプトーム全体にわたる統一された潜伏時間の推論をサポートします。^[8]

参考文献

^ Bergen, Volker; Soldatov, Ruslan A; Kharchenko, Peter V; Theis, Fabian J (2021年8月26日). 「RNA速度—現在の課題と将来の展望」.分子システム生物学. 17 (8): e10282. doi :10.15252/msb.202110282. ISSN 1744-4292. PMC 8388041. PMID 34435732.
^ Ph.D、Jamshaid Shahir (2021-09-07)。「RNA速度：細胞の内部コンパス」。Medium 。2023年9月15日閲覧。
^ ab ラ・マンノ、ジョエーレ;ソルダトフ、ルスラン。ザイゼル、アミット。ブラウン、エミリー。ホッホガーナー、ハンナ。ペトゥホフ、ヴィクトール。リドシュライバー、カーチャ。カストリティ、マリア E.ピーター・レナーバーグ。ファーラン、アレッサンドロ。ファン、ジーン。ボルム、ラース E.劉、則華。ファン・ブリュッゲン、デイヴィッド。グオ、ジミン（2018年8月）。「単一細胞のRNA速度」。自然。560 (7719): 494–498 . Bibcode :2018Natur.560..494L。土井：10.1038/s41586-018-0414-6。ISSN 1476-4687。PMC 6130801。PMID30089906 。
^ Bergen, Volker; Lange, Marius; Peidli, Stefan; Wolf, F. Alexander; Theis, Fabian J. (2020年12月). 「動的モデリングによるRNA速度の過渡的細胞状態への一般化」. Nature Biotechnology . 38 (12): 1408– 1414. doi :10.1038/s41587-020-0591-3. ISSN 1546-1696. PMID 32747759. S2CID 256818997.
^ Li, Shengyu; Zhang, Pengzhi; Chen, Weiqing; Ye, Lingqun; Brannan, Kristopher W.; Le, Nhat-Tu; Abe, Jun-ichi; Cooke, John P.; Wang, Guangyu (2023-04-03). 「リレー速度モデルは細胞依存のRNA速度を推測する」. Nature Biotechnology . 42 (1): 99– 108. doi : 10.1038/s41587-023-01728-5 . ISSN 1546-1696. PMC 10545816 . PMID 37012448. S2CID 257922974.
^ Li, Chen; Virgilio, Maria C.; Collins, Kathleen L.; Welch, Joshua D. (2023年3月). 「マルチオミクス単一細胞速度モデルエピゲノム–トランスクリプトーム相互作用と細胞運命予測の改善」. Nature Biotechnology . 41 (3): 387– 398. doi :10.1038/s41587-022-01476-y. ISSN 1546-1696. PMC 10246490. PMID 36229609 .
^ Chen, Zhanlin; King, William C.; Hwang, Aheyon; Gerstein, Mark; Zhang, Jing (2022-12-02). 「DeepVelo: ニューラル常微分方程式による単一細胞トランスクリプトミクス深層速度場学習」. Science Advances . 8 (48): eabq3745. Bibcode :2022SciA....8.3745C. doi :10.1126/sciadv.abq3745. ISSN 2375-2548. PMC 9710871. PMID 36449617 .
^ Gao, Mingze; Qiao, Chen; Huang, Yuanhua (2022-11-03). 「UniTVelo: 時間的に統一されたRNA速度が単一細胞軌跡の推論を強化」. Nature Communications . 13 (1): 6586. Bibcode :2022NatCo..13.6586G. doi :10.1038/s41467-022-34188-7. ISSN 2041-1723. PMC 9633790. PMID 36329018 .

[1] Bergen, Volker; Soldatov, Ruslan A; Kharchenko, Peter V; Theis, Fabian J (2021年8月26日). 「RNA速度—現在の課題と将来の展望」.分子システム生物学. 17 (8): e10282. doi :10.15252/msb.202110282. ISSN 1744-4292. PMC 8388041. PMID 34435732.

[2] Ph.D、Jamshaid Shahir (2021-09-07)。「RNA速度：細胞の内部コンパス」。Medium 。2023年9月15日閲覧。

[:0-3] ラ・マンノ、ジョエーレ;ソルダトフ、ルスラン。ザイゼル、アミット。ブラウン、エミリー。ホッホガーナー、ハンナ。ペトゥホフ、ヴィクトール。リドシュライバー、カーチャ。カストリティ、マリア E.ピーター・レナーバーグ。ファーラン、アレッサンドロ。ファン、ジーン。ボルム、ラース E.劉、則華。ファン・ブリュッゲン、デイヴィッド。グオ、ジミン（2018年8月）。「単一細胞のRNA速度」。自然。560 (7719): 494–498 . Bibcode :2018Natur.560..494L。土井：10.1038/s41586-018-0414-6。ISSN 1476-4687。PMC 6130801。PMID30089906 。

[4] Bergen, Volker; Lange, Marius; Peidli, Stefan; Wolf, F. Alexander; Theis, Fabian J. (2020年12月). 「動的モデリングによるRNA速度の過渡的細胞状態への一般化」. Nature Biotechnology . 38 (12): 1408– 1414. doi :10.1038/s41587-020-0591-3. ISSN 1546-1696. PMID 32747759. S2CID 256818997.

[5] Li, Shengyu; Zhang, Pengzhi; Chen, Weiqing; Ye, Lingqun; Brannan, Kristopher W.; Le, Nhat-Tu; Abe, Jun-ichi; Cooke, John P.; Wang, Guangyu (2023-04-03). 「リレー速度モデルは細胞依存のRNA速度を推測する」. Nature Biotechnology . 42 (1): 99– 108. doi : 10.1038/s41587-023-01728-5 . ISSN 1546-1696. PMC 10545816 . PMID 37012448. S2CID 257922974.

[6] Li, Chen; Virgilio, Maria C.; Collins, Kathleen L.; Welch, Joshua D. (2023年3月). 「マルチオミクス単一細胞速度モデルエピゲノム–トランスクリプトーム相互作用と細胞運命予測の改善」. Nature Biotechnology . 41 (3): 387– 398. doi :10.1038/s41587-022-01476-y. ISSN 1546-1696. PMC 10246490. PMID 36229609 .

[7] Chen, Zhanlin; King, William C.; Hwang, Aheyon; Gerstein, Mark; Zhang, Jing (2022-12-02). 「DeepVelo: ニューラル常微分方程式による単一細胞トランスクリプトミクス深層速度場学習」. Science Advances . 8 (48): eabq3745. Bibcode :2022SciA....8.3745C. doi :10.1126/sciadv.abq3745. ISSN 2375-2548. PMC 9710871. PMID 36449617 .

[8] Gao, Mingze; Qiao, Chen; Huang, Yuanhua (2022-11-03). 「UniTVelo: 時間的に統一されたRNA速度が単一細胞軌跡の推論を強化」. Nature Communications . 13 (1): 6586. Bibcode :2022NatCo..13.6586G. doi :10.1038/s41467-022-34188-7. ISSN 2041-1723. PMC 9633790. PMID 36329018 .