博文

2023年单细胞RNA测序技术展望

已有 750 次阅读 2024-3-4 13:39 |个人分类:科普|系统分类:科普集锦

2023年单细胞RNA测序技术展望

单细胞RNA测序(scRNA-seq)或单细胞转录组分析是一项前沿技术，它以前所未有的分辨率彻底改变了我们对细胞异质性和基因表达动力学的理解。它能够分析单个细胞中的基因表达模式(图1)，阐明细胞多样性，鉴定稀有细胞类型，揭示转录程序和复杂生物过程背后的表达动态。这个强大的工具使研究人员能够详细了解异质群体中单个细胞的分子特征和功能状态，在干细胞研究中具有深远的意义。基于起始材料，scRNA-seq包括scRNA-seq方法和单核RNA测序(snRNA-seq)。

图1 使用10×铬单细胞基因表达法，通过scRNA-seq分析单个细胞的基因表达模式。聚类和生物标志物可视化由Loupe Browser 6.2.0 (10x Genomics)完成。(a)外周血单核细胞(PBMCs)单细胞转录组的t-SNE图;(b) CD8A+ T细胞;(c) GZMH+细胞;(d) GZMH+ CD8+ T细胞。通过关注选定的GZMH+ CD8+ T细胞亚群的转录组，可以进一步了解和了解效应CD8+ T细胞

细胞核外的细胞RNA由mRNA和非编码RNA分子组成。mRNA在细胞核内外的主要区别在于它们的加工阶段。核外的mRNA已经经历了所有必要的加工步骤，准备翻译，而核内的mRNA则处于转录和加工的各个阶段，包括去除内含子和添加其功能所需的修饰。细胞核外mRNA的百分比可以根据特定的细胞类型和细胞过程的阶段而变化。然而，人们普遍认为大部分mRNA分子位于细胞核外的细胞质中。核外的非编码RNA分子主要参与转录后调控和细胞质过程，而核内的非编码RNA分子则参与核过程、基因调控和染色质组织。它们不同的位置和功能反映了它们在不同细胞区室和过程中的特定作用。细胞核外非编码RNA分子与细胞核内非编码RNA分子的比例可以根据细胞类型和特定的生物学环境而变化。与mRNA相比，非编码RNA在细胞核内比在细胞质内更丰富。

scRNA-seq包括从完整细胞中分离和分析RNA。相比之下，snRNA-seq侧重于分析来自分离细胞核的RNA，这对于研究复杂组织或难以解离成单细胞的样品特别有用。例如，核仁是真核细胞细胞核中一个独特的亚结构，主要负责核糖体亚单位的生物发生。小核仁RNA (small nucleolar RNA, snoRNAs)主要位于核仁中，是一类非编码RNA分子，在核糖体生物发生过程中对rRNA分子的修饰和加工起着至关重要的作用。干细胞中snoRNA的失调可损害多能性。这两种技术之间的选择取决于研究问题、感兴趣的细胞类型以及从研究样本中分离完整细胞或细胞核的可行性。scRNA-seq和snRNA-seq的应用有一些重叠，但它们的应用有一些关键的区别。

scRNA-seq在捕获细胞异质性和表征复杂组织中的罕见细胞群方面表现出色。它提供了细胞类型、亚型及其转录谱的全面视图，使发现新的细胞群和谱系轨迹成为可能。scRNA-seq还允许研究基因表达动态，细胞状态转变和细胞对刺激的反应。以完整细胞为起始材料，scRNA-seq非常适合于探索细胞多样性、发育过程、疾病进展以及识别关键调控基因和途径。这些研究领域是相互关联的，增强了我们对干细胞生物学及其潜在治疗用途的理解。

许多scRNA-seq技术已经被开发出来。每一种scRNA-seq技术都有自己的优点和局限性，如通量、成本、覆盖范围和灵敏度。技术的选择取决于研究目标、样本特征和可用资源。在一项涉及13种广泛使用的scRNA-seq和snRNA-seq协议的多中心分析中，Mereu等人强调了性能上的显著差异。这些见解为研究人员在方案选择方面提供了有价值的指导。

scRNA-seq技术对我们理解细胞异质性和基因表达动力学做出了重大贡献。在过去的几年中，scRNA-seq技术取得了重大进展，特别是在成本效率、吞吐量和多组学功能集成方面。scRNA-seq实验的成本已经大幅降低。因此，scRNA-seq正变得更容易被更广泛的研究人员使用，并使更大规模的研究成为可能。较新的平台也允许在一次实验中分析数百万个单细胞。增加的通量有助于以前所未有的细节检查复杂的生物系统。然而，scRNA-seq技术仍在不断发展，需要解决一些技术挑战。这些问题包括与捕获效率、转录物定量准确性、扩增偏差和缺失事件相关的问题，即，在特定细胞类型的一个细胞中，发现一个基因以相对较低或中等水平表达，而在相同细胞类型的另一个细胞中，未检测到该基因。实验方案、文库制备方法和生物信息学分析工具的改进将提高scRNA-seq数据的准确性和可靠性。由于单细胞分离和文库制备需要额外的步骤，与大量RNA测序相比，scRNA-seq的每个细胞成本相对较高。此外，scRNA-seq平台的通量可能有限，这阻碍了大规模的研究。降低成本和提高通量的未来发展将使scRNA-seq更容易获得，并能够对更大的细胞群进行全面分析。

将scRNA-seq与其他组学数据(如单细胞DNA测序、表观基因组学和蛋白质组学)相结合，有望更深入地了解细胞生物学。结合多层分子信息将提供不同分子过程之间相互作用的见解，并有助于解开复杂的细胞机制。scRNA-seq数据的分析需要复杂的计算方法和工具。数据分析管道、统计算法和可视化方法都在不断发展。数据分析方法的进一步改进以及标准化和用户友好型分析管道的发展将增强对scRNA-seq数据的解释，并促进跨研究的可重复性。解决这些技术挑战将推动scRNA-seq的未来，从而对细胞生物学和疾病机制产生更全面、更精确的见解。

参考文献

[1] Qu HQ, Kao C, Hakonarson H. Single-Cell RNA Sequencing Technology Landscape in 2023. Stem Cells. 2024 Jan 13;42(1):1-12. doi: 10.1093/stmcls/sxad077.

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC