Научници од Универзитетот во Вирџинија открија скриен извор на грешки во методот CUT&Tag;, кој се користи за проучување на епигеномот, и развија алатка со машинско учење за нивно отстранување.
Епигеномот ги контролира гените што се активираат или исклучуваат во различни клетки, без да ја менува нивната ДНК-секвенца. Методот CUT&Tag; овозможува мапирање на овие регулаторни ознаки од многу мали примероци, па дури и од поединечни клетки.
Проблемот настанува поради ензимот Tn5 транспозаза, кој природно преферира отворени и достапни делови од геномот. Таа пристрасност може да создаде сигнали што изгледаат како вистински биолошки промени, иако се само технички артефакти. Ризикот е особено голем кај едноклеточните податоци, каде што вистинските сигнали се поретки.
Алатката PATTY (Propensity Analyzer for Tn5 Transposase Yielded bias) учи да ги разликува реалните геномски сигнали од артефактите. Според истражувачите, таа ја коригира пристрасноста и кај податоци добиени од голем број клетки и кај посиромашни едноклеточни податоци, притоа зачувувајќи ги вистинските сигнали.
Тимот ја испитал распространетоста на проблемот во речиси 300 објавени податочни збирки. Резултатите, објавени во списанието Nature Communications, укажуваат дека корекцијата на пристрасноста треба да стане редовен дел од анализата на CUT&Tag; податоците.
PATTY е достапна бесплатно како софтвер со отворен код преку GitHub и Zenodo. Истражувачите очекуваат почистите геномски податоци да помогнат во подобро разбирање на болестите и во развојот на попрецизни дијагностички методи и лекови.
