Mapowanie przestrzennej aktywności ligand‑cel przy użyciu Renoir

Jak komórki rozmawiają w swoim sąsiedztwie

Nasze ciało składa się z niezliczonych komórek, które nieustannie „rozmawiają” ze sobą, by utrzymać tkanki w zdrowiu, budować narządy, a w niektórych przypadkach napędzać choroby, takie jak rak. W artykule przedstawiono Renoir — metodę komputerową, która analizuje mapy aktywności genów na dużą skalę, by ustalić, gdzie i w jaki sposób odbywa się ta komórkowa rozmowa w rzeczywistej tkance. Łącząc nowoczesne dane z genomiki pojedynczych komórek i technologii przestrzennej, Renoir pozwala badaczom zobaczyć nie tylko kto z kim się komunikuje, ale także gdzie w tkance te rozmowy są najsilniejsze i jakie niosą konsekwencje.

Sygnały, posłańcy i komórkowe konwersacje

Komórki komunikują się za pomocą małych białkowych posłańców zwanych ligandami, które są wydzielane przez jedną komórkę i odbierane przez sąsiednie komórki za pośrednictwem receptorów na ich powierzchni. Gdy ligand wiąże receptor, może uruchomić kaskadę „genów docelowych” w komórce odbierającej, zmieniając jej zachowanie. Wiele istniejących narzędzi próbuje wnioskować o tych interakcjach na podstawie danych o aktywności genów, ale często ignorują one fizyczne położenie komórek. Ponieważ wiele sygnałów działa tylko na krótkie odległości, utrata tego kontekstu przestrzennego może prowadzić do mylących wyników — sugerując pozorną komunikację między typami komórek, które w rzeczywistości są oddalone w tkance.

Co wyróżnia Renoir

Renoir został zaprojektowany specjalnie po to, by przywrócić przestrzeń do analizy. Przyjmuje albo dane przestrzenne o rozdzielczości pojedynczych komórek, albo kombinację danych przestrzennych niższej rozdzielczości i klasycznych danych pojedynczych komórek z tej samej tkanki. Korzystając z opracowanych list ligandów i ich potencjalnych genów docelowych, Renoir oblicza „wynik aktywności sąsiedztwa” dla każdej pary ligand–cel w każdej lokalizacji w tkance. Wynik ten łączy kilka informacji: jakie typy komórek występują w pobliżu, jak silnie wyrażają ligand i gen docelowy, czy komórki odbierające rzeczywiście ekspresjonują odpowiedni receptor oraz jak silnie ligand i cel współzmieniają się między typami komórek. Efektem jest mapa przestrzenna pokazująca, gdzie konkretne relacje sygnalizacyjne prawdopodobnie są aktywne.

Odnajdywanie ukrytych sąsiedztw w tkankach zdrowych i chorych

Po obliczeniu wyników sąsiedztwa Renoir może grupować lokalizacje w „domeny komunikacyjne” — obszary tkanki dzielące podobne wzorce sygnalizacyjne. Zastosowany do danych z mózgu myszy, te domeny pokrywały się z znanymi regionami mózgu i ujawniły regionowo specyficzną komunikację między astrocytami a różnymi typami neuronów. W potrójnie negatywnym raku piersi Renoir odkrył odrębne nisze nowotworowe, w których komórki rakowe, komórki układu odpornościowego i komórki tkanki łącznej wymieniają sygnały związane z wzrostem, inwazją i supresją immunologiczną. W rozwijającej się ludzkiej wątrobie płodowej zidentyfikowano niszę, w której hepatocyty i wyspecjalizowane makrofagi wchodzą w interakcję za pośrednictwem cząsteczki zwanej plazminogenem, co sugeruje rolę w wzroście i przebudowie wątroby.

Testowanie Renoir na tle innych metod

Autorzy rygorystycznie przetestowali Renoir, tworząc pół-syntetyczne zestawy danych, w których prawdziwe wzorce sygnalizacyjne były znane z góry. Porównali Renoir z kilkoma wiodącymi narzędziami do wnioskowania komunikacji międzykomórkowej z danych przestrzennych. W tkankach takich jak jelito, mózg i rak piersi, Renoir dokładniej rozróżniał lokalizacje z rzeczywistą aktywnością ligand–cel od tych bez niej i rzadziej zgłaszał fałszywe interakcje w miejscach pozbawionych odpowiednich receptorów. Nawet gdy dane zostały zniekształcone — przez zmniejszenie głębokości sekwencjonowania lub przemieszanie niektórych etykiet komórek — wydajność Renoir pozostała stabilna. W dobrze zbadanym regionie ludzkiego mózgu, wywnioskowane przez metodę domeny komunikacyjne lepiej odpowiadały warstwom tkanki zdefiniowanym przez ekspertów niż podejścia konkurencyjne.

Od map komunikacji do wskazówek terapeutycznych

Renoir to nie tylko narzędzie do mapowania; potrafi także uszeregować ligandy pod względem wpływu w każdej domenie i podsumować aktywność całych ścieżek sygnalizacyjnych. W raku wątroby zwróciło to uwagę na „onko‑płodowe” obwody sygnalizacyjne, w których komórki związane z guzem wykorzystują programy rozwojowe obserwowane w wątrobie płodowej. Renoir przewidział, że ligandy takie jak interleukina‑6 z tej niszy mogą przeprogramować pobliskie komórkopochodne komórki wątroby; eksperymenty laboratoryjne potwierdziły, że interleukina‑6 kieruje komórki raka wątroby w stronę bardziej „stemopodobnego” stanu. Podsumowując, badanie pokazuje, jak połączenie genomiki przestrzennej z inteligentnymi metodami obliczeniowymi potrafi przekształcić statyczne mapy genów w dynamiczne portrety komórkowego dialogu, oferując nowe punkty wejścia dla terapii mających na celu przerwanie szkodliwych rozmów przy jednoczesnym zachowaniu tych pożytecznych.

Cytowanie: Rao, N., Kumar, T., Kazemi, D. et al. Charting spatial ligand-target activity using Renoir. Nat Commun 17, 3983 (2026). https://doi.org/10.1038/s41467-026-72388-7

Słowa kluczowe: transkryptomika przestrzenna, komunikacja międzykomórkowa, sygnalizacja ligandowa, mikrośrodowisko guza, biologia obliczeniowa

Zobacz więcej na stronie internetowej zespołu badawczego: https://sites.google.com/view/cosmiclab-iitk/home