zhangjunpeng的个人博客分享 http://blog.sciencenet.cn/u/zhangjunpeng

博文

单细胞组学:实验流程、数据分析和应用

已有 1060 次阅读 2024-11-2 11:17 |个人分类:科普|系统分类:科普集锦

单细胞组学:实验流程、数据分析和应用

对单个细胞的探索增强了我们对细胞多样性、疾病过程和多细胞生物组织的理解。在单细胞水平上测量生物系统的技术已经取得了令人兴奋的进展,现在处于研究的前沿。单细胞RNA测序(scRNA-seq)技术允许在单细胞分辨率下解析基因表达,彻底改变转录组学研究。自2009年首次发现scRNA-seq以来,迄今已开发了60多种scRNA-seq协议。scRNA-seq的成熟为研究人员提供了独特的机会来编目人类细胞类型,了解它们的发育、个体差异,并揭示它们与疾病的关系。随着单细胞测序技术的快速发展和成本的降低,该技术已被广泛应用于解决生物医学的关键问题。

scRNA-seq技术的快速发展促进了其他组学的探索,包括基因组学、表观基因组学、蛋白质组学和代谢组学。新技术,如多组学技术、空间scRNA-seqCRISPR筛选,也通过多组学数据整合和附加信息的结合,获得了对复杂细胞行为的全面理解。图1展示了单细胞测序技术的发展前景。

image.png

1 单细胞测序技术示意图。自2009年第一个scRNA-seq诞生以来,单细胞测序技术已经迅速扩展到其他组学水平和多样化的整合方法。单一组学水平的测序技术现在包括转录组、基因组、表观基因组、蛋白质组和代谢组。整合测序技术涉及转录组与基因组、转录组与表观基因组、转录组与蛋白质组、转录组与DNA -蛋白质相互作用组等多组学数据整合。此外,这些综合方法将测序数据与其他信息层结合起来,包括空间数据和CRISPR筛选技术。每种类型的扩展由相应颜色框中列出的技术表示

最近,大型综述《Single-cell omics: experimental workflow, data analyses and applications》从八个方面综述单细胞组学技术的最新进展:(1)单细胞转录组测序;(2)单细胞全基因组测序;(3)单细胞表观基因组测序;(4)单细胞蛋白质组学技术;(5)单细胞代谢组学技术;(6)单细胞多模态测序技术;(7)单细胞空间转录组学技术;(8)单细胞CRISPR筛选技术。目的是系统地总结和详细讨论目前可用的单细胞组学技术,破译单细胞数据集的计算方法,及其优缺点和应用。

scRNA-seq技术由于提供了一种前所未有的在单细胞水平上研究细胞异质性的方法的优势,受到了全世界许多科学家的广泛关注。自2009Tang等人在概念和技术上取得初步突破以来,scRNA-seq研究的新时代的建立仅仅过去了15年。在测序技术和生物信息学不断发展的推动下,目前scRNA-seq研究领域正处于一个研究高潮。scRNA-seq技术的成熟极大地促进了其他单细胞组学研究的进展。目前,单细胞组学检测已扩展到基因组、表观基因组、空间转录组学、蛋白质组学、代谢组学等多组学水平,为单细胞水平研究提供更全面、精细、完整的分析策略。

在第1章中,作者们全面概述了目前可用的scRNA-seq技术、实验方法、数据分析程序及其在生物医学领域的应用。最初,单细胞测序是通过分离单细胞和独立构建测序文库来完成的。这些单细胞测序技术只能检测少量细胞(几十到几百个),如Tang法、STRT-seqSMART-seq。然而,随着测序技术的深入研究,基于条形码标签的单细胞鉴定出现了,基于微滴或微孔的新型单细胞分离技术如Drop-SeqCyto-Seq等相继出现,单细胞转录组测序进入了高通量时代。测序成本大幅降低,自动化程度和通量显著提高。scRNA-seq技术解决了细胞异质性问题,为临床疾病特别是肿瘤的个性化治疗开辟了新的途径,促进了精准医学的发展。但scRNA-seq的捕获效率低,由于起始物料的用量少,存在缺失高的局限性。与常规RNA-seq相比,scRNA-seq产生的数据噪声更大,变量更大。尽管研究人员已经设计了各种工具来进行各种scRNA-seq数据分析,但技术噪声和生物变异(例如随机转录)仍然对scRNA-seq数据的计算分析提出了巨大挑战。因此,数据分析方法还需要进一步优化和完善。

与日益成熟的scRNA-seq技术相比,其他单细胞组学技术仍处于萌芽阶段。在第2345章中,重点介绍了过去十年来单细胞基因组、表观基因组、蛋白质组学和代谢组学测序的最先进的工具、计算方法和应用。ScWGS彻底改变了我们对遗传变异及其对人类健康和疾病影响的理解。它的快速发展加速了基因组研究,使个性化医疗成为可能,并为疾病的遗传基础和人类基因组多样性提供了宝贵的见解。细胞在染色质可及性、核小体定位、组蛋白修饰和DNA甲基化方面表现出广泛的异质性。在单细胞样本中绘制这种表观基因组信息对于发育生物学、癌症研究等非常重要。单细胞表观基因组测序方法的进步使单细胞染色质状态的高分辨率制图成为可能。然而,目前单细胞表观基因组技术存在数据丢失的问题。因此,尽管单个细胞表观基因组数据集是聚类分析和基于大量靶点收集揭示细胞异质性的强大资源,但它们提供单个靶点信息的能力非常有限。因此,在未来的研究中,需要提高染色质靶位点在各种个体细胞表观基因组分析中的覆盖率,这将有助于在全细胞水平和单个特异性位点上理解细胞异质性。单细胞蛋白质组学由于其成分复杂、丰度低、动态范围广、缺乏扩增能力等特点,处于爆发式发展的早期阶段。就在2019年,从单细胞中分析蛋白质组被描述为一个“梦想”,但今天已经开发了几个有前途的工具。随着可及性的优化和通量的进一步提高,单细胞蛋白质组学在器官图谱、药物筛选、疾病精确分类等科学和临床研究中的真正大规模应用指日可待。单细胞代谢组学用于鉴定单个细胞内代谢物的组成,测量其丰度,研究其动态变化。同时,代谢组代表了基因组、转录组和蛋白质组的下游产物,并提供了更直接和动态的功能快照。总的来说,单细胞组学技术仍处于萌芽阶段,它们将继续蓬勃发展。

单个细胞是生命的基本单位。对单个细胞进行多组学分析可以深入了解细胞的表型、疾病状态和环境影响。在第678章中,作者们全面总结了多组学的综合分析、scRNA-seqCRISPR筛选的联合应用以及空间转录组学。在复杂的生物学过程中,如肿瘤发生和衰老,异质性发生在不同的水平上,包括基因组、转录组、蛋白质组和表观基因组。如果一次只分析单个细胞中的一种成分,则只能检测到基因调控网络的局部概况,而无法准确预测复杂的全局情况。在这种情况下,多组学技术凸显出其独特的优势,可以为复杂组织的研究提供更完整的基因调控网络图谱。对于空间转录组学来说,它能够测量保留空间信息的基因表达,这将有助于研究细胞间关系和发现空间背景下新的调控机制。此外,空间转录组学使探索细胞命运决定的空间调控机制和组织模式的结构成为可能。与传统的CRISPR杂交筛选相比,scRNA-seqCRISPR的结合不仅可以在一次实验中筛选数千个gRNA,还可以同时捕获扰动的全转录组数据,从而更清晰地了解细胞类型特异性基因的功能和途径分析。因此,这些技术的结合可以更好、更深入地了解关键的生物学过程和机制,这是未来单细胞技术发展的重要方向。

如今,单细胞组学技术在通量和分辨率方面都取得了重大进展。展望未来,单细胞技术发展的主要趋势是提高单细胞分选效率和通量,提高测序覆盖率和灵敏度,实现高通量多组学研究,开发更多自动化的单细胞技术平台,这将有助于降低单细胞技术的成本和技术门槛。单细胞技术在科研和科研转化领域有着广阔的应用前景,在健康监测、疾病诊断和治疗等方面将做出巨大的贡献。

参考文献

[1] Sun F, Li H, Sun D, Fu S, Gu L, Shao X, Wang Q, Dong X, Duan B, Xing F, Wu J, Xiao M, Zhao F, Han JJ, Liu Q, Fan X, Li C, Wang C, Shi T. Single-cell omics: experimental workflow, data analyses and applications. Sci China Life Sci. 2024 Jul 23. doi: 10.1007/s11427-023-2561-0.

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

12. 免疫信号通路关联的调控子数据库:ImmReg

13. 利用药物转录组图谱探索中药药理活性成分平台:ITCM

14. AgeAnno:人类衰老单细胞注释知识库

15. 细菌必需非编码RNA资源:DBEncRNA

16. 细胞标志物数据库:singleCellBase

17. 实验验证型人类miRNA-mRNA互作数据库综述

18. 肿瘤免疫治疗基因表达资源:TIGER

19. 基因组、药物基因组和免疫基因组水平基因集癌症分析平台:GSCA

20. 首个全面的耐药性信息景观:DRESIS

21. 生物信息资源平台:bio.tools

22. 研究资源识别门户:RRID

23. 包含细胞上下文信息的细胞互作数据库:CCIDB

24. HMDD 4.0miRNA-疾病实验验证关系数据库

25. LncRNADisease v3.0lncRNA-疾病关系数据库更新版

26. ncRNADrug:与耐药和药物靶向相关的实验验证和预测ncRNA

27. CellSTAR:单细胞转录基因组注释的综合资源

28. RMBase v3.0RNA修饰的景观、机制和功能

29. CancerProteome:破译癌症中蛋白质组景观资源

30. CROST:空间转录组综合数据库

31. FORGEdb:候选功能变异和复杂疾病靶基因识别工具

32. Open-ST3D高分辨率空间转录组学

33. CanCellVar:人类癌症单细胞变异图谱数据库

34. dbCRAF:人类癌症中放射治疗反应调控知识图谱

35. DDID:饮食-药物相互作用综合资源可视化和分析

36. SCancerRNA:肿瘤非编码RNA生物标志物的单细胞表达与相互作用资源

image.png

 



https://wap.sciencenet.cn/blog-571917-1458175.html

上一篇:SPEAC-seq:细胞互作的功能CRISPR筛选
下一篇:Marlene:重构单细胞数据时变网络
收藏 IP: 39.128.49.*| 热度|

1 郑永军

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-12-4 11:37

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部