Kausale Protein-Signalnetzwerke, abgeleitet aus multiparametrischen Einzelzell-Daten

Maschinelles Lernen wurde angewandt, um kausale Einflüsse in zellulären Signalnetzwerken automatisiert abzuleiten. Diese Ableitung beruhte auf der gleichzeitigen Messung mehrerer phosphorylierter Protein- und Phospholipidbestandteile in Tausenden einzelner primärer menschlicher Immunzellen. Die Störung dieser Zellen durch molekulare Interventionen ermöglichte die Anordnung der Verbindungen zwischen den Signalwegkomponenten, wobei bayessche Netzwerk-Rechenmethoden automatisch die meisten der traditionell berichteten Signalbeziehungen aufklärten und neuartige interwegige Netzwerkkausalitäten vorhersagten, welche wir experimentell verifizierten. Die Rekonstruktion von Netzwerkmodellen aus physiologisch relevanten primären Einzelzellen könnte zur Erforschung der nativen Gewebe-Signalbiologie, komplexer Wirkmechanismen von Medikamenten sowie dysfunktionaler Signalübertragung in erkrankten Zellen angewandt werden.