Quale razza di bovini influenza davvero i risultati della deconvoluzione RNA?

Quando si studia il muscolo dei bovini, gli scienziati usano due tecniche: il bulk RNA‑seq, che legge tutti i messaggi genetici insieme, e il single‑cell RNA‑seq, che li separa cellula per cellula. Il primo è più economico, ma non dice quali tipi di fibre muscolari sono presenti. Il secondo è più costoso, ma rivela i dettagli di ogni cellula. Per unire i vantaggi di entrambe, esistono dei programmi di “deconvoluzione” che, usando dati di single‑cell come riferimento, stimano la percentuale di fibre di tipo I, IIa e IIx in un campione bulk. In questo studio, ricercatori hanno analizzato muscoli di vacche Holstein Friesian in tarda gestazione, confrontando quattro software (CIBERSORTx, Cellanneal, DeconvR‑NNLS e DeconvR‑RLM). La sorpresa è stata scoprire che il risultato dipendeva molto dalla razza usata come riferimento: i dati di bovini Brahman e Wagyu hanno portato a stime diverse, soprattutto per le fibre IIa e IIx. Test statistici (Kruskal‑Wallis e Dunn) hanno confermato che la scelta della razza è un fattore critico. Questo è il primo lavoro che dimostra come la compatibilità tra la razza di riferimento e quella del campione possa alterare le conclusioni. Per chi vuole studiare la genetica del bestiame, è quindi fondamentale scegliere un riferimento di razza adeguata, altrimenti i risultati potrebbero essere fuorvianti.

La deconvoluzione si basa su modelli matematici che risolvono sistemi lineari o non lineari per ricavare le frazioni cellulari. CIBERSORTx utilizza un algoritmo di regressione support vector machine (SVR) con penalizzazione L2, mentre Cellanneal impiega una rete neurale convoluzionale per apprendere pattern di espressione. DeconvR‑NNLS risolve un problema di minimi quadrati non negativi, garantendo che le proporzioni siano positive, mentre DeconvR‑RLM applica una regressione lineare robusta per ridurre l’influenza di outlier. La scelta della reference scRNA‑seq influisce sui vettori di firma genica: le razze Brahman e Wagyu mostrano differenze epigenetiche e di espressione legate a selezione per resistenza al calore o per qualità della carne. Queste variazioni alterano i coefficienti di regressione, portando a stime divergenti. Inoltre, la composizione cellulare del muscolo Longissimus dorsi varia con l’età e lo stato fisiologico della vacca; pertanto, un reference che non rispecchia queste condizioni può introdurre bias sistematico. Per migliorare l’accuratezza, è consigliabile costruire reference panel specifici per razza, età e condizione di crescita, oppure utilizzare metodi di trasferimento di dominio (domain adaptation) che correggono le differenze di distribuzione tra dataset. Infine, l’integrazione di dati multi‑omics (proteomica, metabolomica) può fornire ulteriori vincoli per affinare le stime di deconvoluzione.