Entwicklung computergestützter Modelle auf Einzelzell-DNA-Methylierungsdaten zur Charakterisierung von funktioneller Heterogenität von Stammzellen während der Hämatopoese in Säugetieren

• Antragsteller: Dr. Michael Scherer
• Fachliche Zuordnung: Allgemeine Genetik und funktionelle Genomforschung ; Bioinformatik und Theoretische Biologie
• Förderung: Förderung von 2022 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 493935791

DNA Methylierung, die reversible Addition einer Methylgruppe zu CpG Dinukleotiden in der DNA, ist eine wichtige Säule epigenetischer Regulation und für die Zelldifferenzierung in Säugetieren unersetzlich. Im Rahmen der Blutzelldifferenzierung wurden Unterschiede der DNA Methylierung mit Langzeitneigungen zur Bildung bestimmten Blutzelllinien von hämatopoetischen Stammzellen (HSCs) in Verbindung gebracht, welche nicht auf anderen epigenetischen Ebenen wie dem Transkriptom sichtbar sind. Dynamiken von DNA Methylierung stehen weiterhin in Verbindung mit altersverbundenem Abbau der HSC Funktion, sowie den frühen Stadien der Bildung von Leukämien. Trotzdem ist die Funktion von Heterogenität von DNA Methylierung in HSCs und ihren unmittelbaren Nachkommen, sowie ihre verbunden funktionellen Auswirkungen, größtenteils unbekannt, vor allem aufgrund des Fehlens der entsprechenden Einzelzellmethoden. Unlängst ist die Analyse von DNA Methylierung in einzelnen Zellen möglich geworden, jedoch sind die Daten von genomweiten Ansätzen verrauscht und spärlich. Zusätzlich benötigt die Analyse der Verbindung zwischen DNA Methylierung und funktionellen Konsequenzen die Integration von Barcodes zur Verfolgung von verschiedenen Zelllinien. In diesem Projekt werde ich zur Entwicklung einer gezielten Methode zur Einzelzellanalyse (scTAM-seq) beitragen. Dieser gezielte Ansatz wird hochauflösende Daten für bis zu 700 genomische Positionen mit deutlich geringem Sequenzierungsaufwand, niedriger Ausfallrate, und der Möglichkeit zur Integration von Barcodes liefern. Eine Herausforderung, die exklusiv für scTAM-seq gilt, ist die Auswahl potentiell wichtiger Regionen mithilfe der Software, die ich in meinem PhD mitentwickelt habe (z.B., RnBeads, MeDeCom). Um die Analyse eines biologischen Systems mit scTAM-seq weiter zu vereinfachen, werde ich ein maschinelles Lernmodell entwickeln um die Daten zu entrauschen und um Methylierungsstadien aus den Daten zu extrahieren. Computermodelle wie Deep Autoencoder können verwendet werden um die durch scTAM-seq erzeugten Daten zu verstehen und eine niedrigdimensionale Repräsentation der Daten zu generieren. Mit den Werkzeugen werde ich Neigungen hin zu bestimmten Zelllinien in HSCs erkunden. Im Speziellen werde ich die Dynamik von DNA Methylierung in einem Mausmodell untersuchen, welches es erlaubt, Zellpotentiale zu kartieren. Zusammenfassend werde ich Computermodelle für die Analyse von gezielten Einzelzelldaten entwickeln und diese zur Charakterisierung von funktioneller Heterogenität in HCSs verwenden.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: Spanien
• Gastgeber: Dr. Lars Velten