Marqueurs pour le contrôle de la qualité des iPSC - une nouvelle approche pour améliorer la normalisation
"L'apprentissage automatique est un outil intéressant pour rationaliser les processus"
IUF / Jochen Dobner
Bien que les contrôles de qualité des iPSC soient essentiels, ils ne sont pas encore totalement normalisés. Ces contrôles de qualité comprennent l'évaluation de la morphologie, de l'intégrité du génome nucléaire et mitochondrial et de la pluripotence, c'est-à-dire de leur capacité à se différencier dans les trois couches germinales primaires : endoderme, ectoderme et mésoderme. Il existe donc un besoin pressant de méthodes de test faciles, rapides et rentables. Dans des études antérieures, le laboratoire du Dr Andrea Rossi à l'IUF - Institut de recherche Leibniz pour la médecine environnementale a déjà examiné l'intégrité du génome mitochondrial. Une étude récemment publiée dans Nature Communications par Dobner et al. se concentre sur la pluripotence. Les auteurs ont utilisé le séquençage du transcriptome par nanopore à lecture longue pour découvrir 172 gènes liés à des états cellulaires non couverts par les lignes directrices actuelles. Ils ont validé 12 gènes par qPCR (quantitative polymerase chain reaction) en tant que marqueurs uniques de destins cellulaires spécifiques : iPSC pluripotentes indifférenciées(CNMD, NANOG, SPP1), endoderme(CER1, EOMES, GATA6), mésoderme(APLNR, HAND1, HOXB7) et ectoderme(HES5, PAMR1, PAX6). Sur la base de ces gènes sélectionnés, ils ont mis au point un système de notation basé sur l'apprentissage automatique, "hiPSCore", qui a été entraîné sur 15 lignées iPSC et validé sur 10 lignées iPSC supplémentaires. Le hiPSCore classe avec précision les cellules pluripotentes et différenciées et prédit leur potentiel à devenir des cellules 2D spécialisées et des organoïdes 3D.
"Nous nous efforçons toujours d'améliorer les méthodes que nous utilisons", explique le Dr Andrea Rossi, chef de groupe à l'IUF, à l'origine de l'étude. "Nous prévoyons de développer davantage les contrôles de qualité pour une utilisation standardisée des iPSC dans les années à venir". Le Dr Jochen Dobner, premier auteur de l'étude, ajoute : "L'apprentissage automatique est un outil intéressant pour rationaliser les processus. Le hiPSCore que nous avons développé améliore les tests iPSC en réduisant le temps, la subjectivité et l'utilisation des ressources, améliorant ainsi la qualité des iPSC pour les applications scientifiques et médicales".
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.