科学网-整合单细胞基因组与转录组以解码乳腺癌进展-张俊鹏的博文

整合单细胞基因组与转录组以解码乳腺癌进展

2025-10-5 08:50

阅读：1851

整合单细胞基因组与转录组以解码乳腺癌进展

乳腺癌是全球女性中最常见的癌症，也是导致女性癌症死亡的主要原因。在临床诊断中，根据雌激素受体（ER）、孕激素受体（PR）和人表皮生长因子受体（HER2）的存在与否，将人类乳腺癌分为 ER 阳性、ER 阴性、HER2 阳性和三阴性乳腺癌。对正常乳腺组织的研究已识别出三种上皮成分，包括管腔激素反应（LumHR）、管腔分泌（LumSec）和基底肌上皮（MyoEpi），这些成分形成了导管和腺叶结构。然而，由于难以识别祖先亚克隆并将它们的基因型直接与其表型（即表达程序）在单细胞分辨率下联系起来，确定每种乳腺癌亚型的上皮细胞起源一直具有挑战性。

在人类组织中，包括 DNA 突变和拷贝数变异（CNA）在内的遗传事件在推动癌症进展中发挥着重要作用。新兴研究开始检测健康个体和早期癌症患者的体细胞突变。然而，传统基因组测序方法的分辨率有限，使得确定组织中哪些细胞类型和细胞状态携带与癌症发生相关的遗传异常变得困难。此外，在癌症进展的后期阶段，亚克隆分化并扩展形成肿瘤团块，引发了关于其遗传多样性如何导致表型多样性的问题。基于经典的基因剂量模型，DNA 拷贝数事件预计会在同一染色体区域内导致基因表达的协同变化。然而，该模型可能是对癌症中基因剂量的过度简化，因为拷贝数变化还可能影响全基因组其他基因的表达，或者一个拷贝数事件可能导致表观遗传变化可以沉默或激活基因表达。因此，对基因剂量效应的准确量化将有助于我们理解乳腺癌的进展，但这需要同时以单细胞分辨率和高细胞通量直接测量基因组和小 RNA 组。

从同一单个细胞中进行全基因组与转录组测序仍然是一项重大的技术挑战。已经开发出创新的低通量方法，例如 gDNAmRNA 测序（DR-seq）、基因组与转录组测序（G&T-seq）、同时分离基因组 DNA 和总 RNA（SIDR-seq）、直接核标记与 RNA 测序（DNTR-seq）、scONE-seq 以及单细胞三组学测序（scTrio-seq），用于在同一细胞中测量 DNA 和 RNA。然而，这些方法的局限性在于它们要么需要在扩增反应前将 DNA 和 RNA 分子从细胞中物理分离，要么缺乏在扩增过程中以可扩展的方式向 DNA 和 RNA 添加细胞条形码的能力，这限制了它们的通量至数十或数百个细胞。尽管像 sci-L3-RNA/DNA 和 DNA 及核小体耗尽后的表达（DEFND-seq）这样更具可扩展性的方法已经增加了可扩展性，但这些方法受到数据质量受损的挑战，因为它们无法完全去除 DNA 上的染色质。

为了研究这些问题，Wang等人开发了一种高通量纳米孔单细胞 DNA 和 RNA 测序（wellDR-seq，图1）方法，具有高基因组分辨率。wellDR-seq应用于研究 12 名 ER+乳腺癌患者，识别了祖先癌症亚克隆及其上皮谱系、伴有体细胞拷贝数变异（CNA）的正常上皮和基质细胞状态，并揭示了亚克隆 CNA对基因剂量的影响。

图1 wellDR-seq 方法和研究工作流程。(A) wellDR-seq 方法概述，包括细胞悬浮、芯片上单细胞索引、文库池化、DNA 和 RNA 文库分离以及测序文库制备。(B) wellDR-seq 芯片上化学过程，其中细胞被裂解，随后进行 DNA 标记化和 RNA 逆转录。接下来进行 RNA 富集 PCR 以富集全长 cDNA，并随后进行另一轮 PCR 扩增步骤以共同富集 DNA 和 cDNA 分子。在两个 PCR 富集步骤中添加了针对两种模式的细胞条形码。(C) 研究设计示意图概述，其中来自 12 名 ER+乳腺癌患者的组织中解离的单细胞悬浮液通过 wellDR-seq 进行表征

参考文献

[1] Wang K, Ye R, Bai S, Xiao Z, Yang L, Li J, Tang C, Sei E, Peng J, Casasent AK, Lin SH, Nagi C, Thompson AM, Krishnamurthy S, Navin NE. Coalescing single-cell genomes and transcriptomes to decode breast cancer progression. Cell. 2025 Aug 26:S0092-8674(25)00926-2. doi: 10.1016/j.cell.2025.08.012.

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