黄色精品网站,中文字幕丰满乱孑伦无码专区 ,天天综合网久久综合免费人成,久久国产一区二区三区

新聞中心
企業(yè)新聞 行業(yè)新聞 技術(shù)文章
行業(yè)新聞
單細胞入門-讀一篇scRNA-seq綜述講解
行業(yè)新聞 2018-11-14
     單細胞入門-讀一篇scRNA-seq綜述講解：

　　1.1. 實驗

　　簡單回顧測序技術(shù)的發(fā)展，從桑格爾發(fā)明雙脫氧末端終止法(一代測序)到人類基因組計劃歷時13年耗費30億美元，測序一直很貴，直到高通量的邊合成邊測序技術(shù)(二代測序)出現(xiàn)。隨著測序價格的不斷下降，2009年開發(fā)出了第一個單細胞轉(zhuǎn)錄組測序方法(湯富酬)。

　　經(jīng)過8年多時間的發(fā)展，如今不同的scRNA-seq流程有了大量改進，它們一般都分為四步：

　　1. 單細胞(核)的分離和裂解

　　2. 反轉(zhuǎn)錄

　　3. cDNA擴增

　　4. 測序文庫制備

單細胞入門-讀一篇scRNA-seq綜述講解
 
　　1.1.1. 單細胞分離的步驟至關(guān)重要

　　除游離細胞外的細胞分離，有兩條路線：

　　i. 組織切片 - 激光捕獲顯微切割(LCM)或者 膜片鉗(Patch clamp)

　　ii. 酶法去除細胞間質(zhì) - 各種微操技術(shù)分選出單個細胞(各有優(yōu)劣)

　　微吸(Micro-pipetting)適用于細胞量少或比較珍貴的樣品，精準可見，通量低。

　　流式細胞分選(FACS)和微流控(Microfluidic)設(shè)備適用大量可用細胞，通量高。

　　· FACS同樣用于篩選特定標記的某類細胞，它可能分出不止一個細胞和造成細胞損傷。

　　· 微流控更加溫和，用于高度標準化的自動化流程，缺點是假定細胞損失和細胞大小偏好，目前的商用設(shè)備包括10X Genomics的Fluidigm C1系統(tǒng)和Illumina的Biorad SureCell系統(tǒng)(含ddSEQ細胞隔離器)。

　　微管平臺(Microwell platforms)能夠消除細胞大小偏好，也可以通過顯微觀察排除分出多個細胞的情況，商用設(shè)備有WaferGen的ICELL8單細胞系統(tǒng)。

　　多數(shù)單細胞收集方法都要求樣品是完好的新鮮組織，因為微環(huán)境的改變影響正常細胞過程;酶促反應也可能使細胞產(chǎn)生應激，從而改變基因表達。有一個辦法來避免這些問題，那就是只收集細胞核，細胞核包含未加工的mRNA和很少的mRNA。細胞核很黏，目前只有FACS能做到這一點。

　　1.1.2. 反轉(zhuǎn)錄

　　大部分公開的流程都是使用oligodT引物，可以捕獲到具有多聚結(jié)構(gòu)的mRNA和少部分lncRNA。

　　SUPeR-seq使用了混合oligodT和六堿基隨機引物的方法，然而它沒有去除rRNA卻只檢測到很少的rRNA，猜測是沒有把二級結(jié)構(gòu)打開。

　　MATQ-seq最近被報道比Smart-seq2更靈敏，產(chǎn)量更高。它是基于MALBAC引物設(shè)計的，能做到全基因覆蓋，檢測總RNA。

　　1.1.3. cDNA擴增

　　反轉(zhuǎn)錄結(jié)束后，有多種策略合成第二條cDNA鏈

　　一種是SMART技術(shù)(switching mechanism at 5' end of RNA template)

　　這個系列包括Smart-seq，Smart-seq2，STRT，利用轉(zhuǎn)移酶和小鼠白血病病毒反轉(zhuǎn)錄酶來進行鏈置換并加上后續(xù)PCR擴增的接頭。

　　PCR是常用的指數(shù)擴增技術(shù)，很容易因為GC含量的差異造成擴增偏倚。

　　另一種就利用了體外轉(zhuǎn)錄的方式(IVT)進行線性擴增

　　這個系列包括CEL-seq，MARS-seq，CEL-seq2，通過將T7啟動子連在oligodT引物上，可以在cDNA合成后啟動IVT。IVT取消了對模板置換的需求。

　　另外，MALBAC-RNA使用準線性擴增，它的引物能生成末端互補的擴增子，形成閉環(huán)來防止指數(shù)復制。

　　1.1.4. 方法選擇以及測多少細胞

單細胞入門-讀一篇scRNA-seq綜述講解
 

　　不同的技術(shù)流程按照cDNA覆蓋大致可以分為兩類：全長(full-length)和基于標簽(tag-based)。

　　全長的方法試圖得到基因體均勻讀長覆蓋并增加匹配序列數(shù)，更適合亞型發(fā)現(xiàn)、剪切事件、SNP鑒定等等分析。一大缺陷是建庫通量較低，難以混樣測序。更重要的是，它不能結(jié)合UMIs(unique molecule identifiers)來進行數(shù)字量化。有一個例外，MATQ-seq可以把barcodes和UMIs整合到MALBAC引物上，從而克服這個缺陷。

　　基于標簽的方法可以繼續(xù)細分成5'還是3'，主要優(yōu)點是能結(jié)合UMIs，可以混合多個樣品，允許基因水平的定量優(yōu)化。因為讀長被限制在序列一端，相對而言靈敏度較低，大部分僅用于基因表達定量。

　　選擇什么方法取決于要回答的生物學問題。如果是發(fā)現(xiàn)細胞類型和鑒別組織成分，兩種方法都可以?；跇撕灥姆椒梢栽诜崔D(zhuǎn)錄之后把所有樣品混在一起，價格更便宜規(guī)?？梢愿?。如果是等位基因表達、不同亞型的發(fā)現(xiàn)，全長的方法更加合適。這些方法中，Smart-seq2在靈敏度和產(chǎn)量上都表現(xiàn)出眾，不過要用到Tn5，比較貴，如果有很多很多的細胞要測，比如4000個，那么Drop-seq也是很好的選擇。

　　關(guān)于靈敏度，需要考慮測序深度。這些方法都有一個共同點，當一個樣品測到1M reads之后，靈敏度開始變得比較穩(wěn)定，從1M reads 測到 4.5M reads，靈敏度只略微提升。

　　需要多少細胞的數(shù)據(jù)用來分析，取決于細胞類型的罕見程度。

　　Nicholas E. Navin提供了一個計算公式 P(d) =1-(1-s)^n

　　P(d):檢出能力(detection power) s：等同于亞克隆頻率(subclonal frequency) n：要測的細胞數(shù)

　　如果感興趣的細胞亞型占比約為1%，需要測250個細胞使檢出能力達到0.9，需要測500個細胞使檢出能力達到1.0。另外也需要做重復實驗來評估假陽性率和假陰性率。

　　需要的細胞數(shù)和必要的測序深度同樣依賴于感興趣的細胞與其他細胞的差異程度，如果這種細胞有非常獨特的轉(zhuǎn)錄特征，那么測的細胞數(shù)少一點，測序深度淺一點也是可以的。

　　1.1.5. scRNA-seq的技術(shù)挑戰(zhàn)

　　SingleCell的問題：細胞與細胞之間有很強的異質(zhì)性。

　　只有一個細胞，初始數(shù)據(jù)量就小，噪音就大。

　　RNA捕獲效率不穩(wěn)定，文庫制備的隨機丟失會制造技術(shù)噪音。

　　隨機基因表達，不同的細胞狀態(tài)細胞大小細胞周期會產(chǎn)生生物噪音。

　　批次效應使高通量的實驗數(shù)據(jù)存在系統(tǒng)誤差。

　　認真規(guī)劃實驗步驟，作多次生物學重復可以降低批次效應，然而生物樣品的遺傳背景是很難通過實驗步驟來控制的。

　　鑒定批次效應的一個辦法是通過主成分分析(PCA)，看細胞是否會按照相應的起源進行分群。

　　為了解釋技術(shù)操作帶來的誤差，通常加入外源的RNA進行質(zhì)控。不同濃度、長度、GC含量的合成RNA可以起到監(jiān)控作用。

　　但是外源樣品與內(nèi)源RNA的分子特征并不會完全相同，對照作用有限。

　　怎么減少RNA損失，使信息能夠保真是scRNA-seq的關(guān)鍵性挑戰(zhàn)，測序結(jié)果仍需要謹慎對待，推薦做功能性驗證。

　　1.2. 應用

　　過去幾年，scRNA-seq已被應用于發(fā)現(xiàn)新的細胞類型，探索動態(tài)發(fā)育過程，鑒定基因調(diào)控機制，揭示隨機等位基因表達。

　　這篇綜述只著重介紹了胚胎植入前發(fā)育和大腦皮層，在這兩個方向上scRNA-seq有了巨大的概念性發(fā)展。
單細胞入門-讀一篇scRNA-seq綜述講解

　　1.2.1. 胚胎植入前發(fā)育

　　生命起源于一個受精卵，受精卵的分化過程受轉(zhuǎn)錄水平調(diào)控形成三個主要的細胞譜系。這個過程里有幾個長期存在的問題：1. 單個卵裂球之間是何時出現(xiàn)差異的?2. 三個細胞譜系如何及時分離?3. 胚胎基因組是何時激活的?4. 早期的規(guī)范化事件是否存在物種間差異?

　　scRNA-seq為這些問題的解答提供了新的思路。早先對小鼠胚胎的早期卵裂球進行實驗操作(包括增、減單個細胞)，都不會影響到胚胎發(fā)育，表明早期卵裂球會經(jīng)歷一個調(diào)節(jié)發(fā)育(受到感應信號可以變成任何細胞類型)。然而scRNA-seq的結(jié)果顯示，早在四分體時期，卵裂球間已經(jīng)存在分子不對稱了。后來通過比較滋養(yǎng)外胚層(TE)和內(nèi)細胞團(ICM)的細胞命運，鑒定出Sox21基因在四分體時期存在穩(wěn)定的異質(zhì)表達，并且影響后代細胞的分化路線。在植入前發(fā)育的各個階段，通過scRNA-seq可以得到一個全過程的基因動態(tài)表達視圖，跨物種數(shù)據(jù)比較發(fā)現(xiàn)人和小鼠的胚胎發(fā)育存在很多的生物學差異，如胚胎基因激活時間，細胞譜系建立時期，等位基因特異性表達情況等等。對人類胚胎細胞進行具體的功能研究比較困難，后面換成了相近的獼猴細胞。

單細胞入門-讀一篇scRNA-seq綜述講解
　　1.2.2. 小鼠大腦皮層

　　在神經(jīng)系統(tǒng)科學領(lǐng)域，對所有哺乳動物的神經(jīng)細胞進行系統(tǒng)性分類是一個長期的目標。理解大腦的細胞構(gòu)成有助于破譯它的功能和連接性。不同的研究表明，對來自小鼠大腦不同區(qū)域的細胞做scRNA-seq，進行細胞分群，發(fā)現(xiàn)中間神經(jīng)元具有更大的異質(zhì)性，暗示中間神經(jīng)元細胞具備更加復雜多樣的功能。通過基因表達譜得到的細胞類型分類是否顯著關(guān)聯(lián)不同的功能性質(zhì)還有待進一步的研究，這些實驗的方法都顯示有一定的偏好性。

　　為了讓基因表達直接關(guān)聯(lián)解剖、形態(tài)、功能的屬性，兩個實驗室同時開發(fā)出了Patch-seq，這個技術(shù)把全細胞電生理膜片鉗記錄與scRNA-seq相結(jié)合。

　　其中一個實驗室結(jié)合膜片鉗和Smart-seq2，在新皮質(zhì)L1外層分析了58個皮層細胞，這項研究首次使用了機器學習以不同的放電模式來進行細胞形態(tài)分類，結(jié)果跟來自基因表達譜的分群結(jié)果對應的很好。58個細胞分出兩種細胞亞型，eNGCs和SBCs，重要的是，發(fā)現(xiàn)SBCs富集了四個神經(jīng)精神病相關(guān)的基因。

　　另一項研究使用膜片鉗和STRT-seq，在軀體感覺皮質(zhì)的1/2層分析了45個中間神經(jīng)元和38個椎體神經(jīng)元細胞，根據(jù)電生理性質(zhì)和形態(tài)，分為5個亞型和3個亞型。這八個亞型跟scRNA-seq鑒定到的分群結(jié)果相吻合，從而確認了Patch-seq方法的有效性。

　　Patch-seq的分析適用于離子通道和受體基因研究，可以預測神經(jīng)生理學表型。跟鮮活細胞的scRNA-seq相比，Patch-seq捕獲到的基因顯然更少，通量相對更低，然而正因為有不同的單細胞測序方法，使得從單細胞尺度上深入分析分子特征、形態(tài)和異常復雜組織的功能成為可能。

 
單細胞入門-讀一篇scRNA-seq綜述講解
　　1.3. 未來展望

　　1.3.1. 空間轉(zhuǎn)錄組

　　單分子原位熒光雜交技術(shù)(smFISH)在2008年被開發(fā)出來，用作單細胞尺度的組織RNA定量，它使用帶熒光基團的20bp核酸探針。這項技術(shù)最初高度受限于能夠同時檢測到的轉(zhuǎn)錄本數(shù)量，后來引入分組探針文庫的組合標簽克服了這一缺陷。隨著七種光轉(zhuǎn)換染料和空間條碼結(jié)合超分辨顯微技術(shù)的使用，能夠同時檢測到的基因數(shù)進一步增加。高分辨率的顯微鏡能夠識別結(jié)合了同一種探針實際序列不同的mRNA。接著，通過使用順序輪的雜交、成像、探針剝離來給mRNA加條碼，繼續(xù)優(yōu)化了該方法。smFISH的一大優(yōu)勢是雜交效率很高，能夠檢測到95%的mRNA。smFISH適用于剪切變異、染色體位點以及SNP。類似的，熒光原位RNA測序(FISSEQ)也使用基因特異的探針來讀取空間基因表達。跟smFISH明顯不同的是，F(xiàn)ISSEQ的reads比RNA-seq還少很多，豐度不夠?？傮w上看，以上這些原位熒光的方法想要覆蓋整個轉(zhuǎn)錄組，都比較費時費力。

　　使用LCM的單細胞空間轉(zhuǎn)錄組方法已經(jīng)被開發(fā)出來了。LCM可以從速凍組織切片中仔細分離出單個細胞，分辨率能達到亞細胞水平。LCM適用于任何胚胎和成熟時期，特別是那些難以分離的組織。通過簡單的組織染色或者快速的抗體染色可以鑒定出感興趣的細胞。LCM最初是與全轉(zhuǎn)錄組基因芯片結(jié)合，然后是RNA-seq，直到現(xiàn)在，需要的細胞數(shù)也是數(shù)百上千。結(jié)合scRNA-seq和LCM的LCM-seq，通過直接裂解分離的細胞，消除通常是在LCM之后的RNA隔離步驟，可以簡化流程，降低技術(shù)噪音，減少費用。同時每個細胞的空間信息都保留了下來并且不需要組織分離步驟，從而能夠在單細胞水平同時研究細胞異質(zhì)性和空間差異。保留空間信息的重要性不應該被低估它可能是組織內(nèi)細胞識別的關(guān)鍵性因素。此外，因為細胞在分離前保留了原有位置的連接信息，比起需要進行組織裂解的測序方法，更能夠反映生物體內(nèi)的真實情況。LCM-seq另一個優(yōu)勢是可以用于缺損和部分退化的組織。然而，至今為止的一大缺陷是RNA有一些片段化，即使處理的時間很短也一樣，所以覆蓋度比起鮮活細胞要低，不能作RNA剪切的深入分析。LCM染色的后續(xù)優(yōu)化有可能克服這一障礙。

　　一種叫作”空間轉(zhuǎn)錄組(spatial transcriptomics)“的優(yōu)雅方法近期被開發(fā)出來，能夠不分離細胞直接使用完整的組織切片進行轉(zhuǎn)錄組分析。組織切片被放置在slide上，使用含有獨特空間條碼標記的反轉(zhuǎn)錄引物。 slide上布滿直徑100微米間隔200微米的孔，孔內(nèi)有接近兩億個寡核苷酸探針。組織經(jīng)過通透性處理后加上反轉(zhuǎn)錄試劑，組織最終會被酶解，留下cDNA與slide上排列的探針結(jié)合。這種方法的分辨率很高，100微米，對于整體空間信息的接收在時間上非常高效。但是不容易顯示出細胞的異質(zhì)性，因為細胞大小的差異，這種方法只能展示出特定二維坐標下單一或多個圖層的空間信息。

單細胞入門-讀一篇scRNA-seq綜述講解

　　1.3.2. 單細胞多組學

　　測序技術(shù)目前已經(jīng)能夠從同一個細胞中獲取基因組、表觀組、轉(zhuǎn)錄組和蛋白組的情況。因此，可以整合每個細胞的DNA、RNA、蛋白還有表觀修飾的信息得到一個綜合的理解。為了這個目的開發(fā)的方法有：DR-seq和G&T-seq，同時分析基因組和轉(zhuǎn)錄組;scTrio-seq，基因組、轉(zhuǎn)錄組和甲基化譜;scM&T-seq，轉(zhuǎn)錄組和甲基化譜;PEA-qPCR，蛋白和一個基因panel。同時研究基因組和轉(zhuǎn)錄組可以在基因表達水平關(guān)聯(lián)CNV、染色體融合和調(diào)控因子的SNV。還可以揭示克隆結(jié)構(gòu)和細胞亞型，直接聯(lián)系基因型和表型。另一方面，結(jié)合轉(zhuǎn)錄組和甲基化分析，可以知道單細胞中基因組不同功能因子的DNA甲基化水平與基因表達水平的關(guān)系。未來把總RNA，小RNA，染色體重組和高級結(jié)構(gòu)結(jié)合到單細胞多組學里，可以更加詳細的描述正常細胞功能和疾病過程。

　　另一個新興的前沿研究是結(jié)合系統(tǒng)基因功能分析和scRNA-seq分析。

　　1.3.3. 人類細胞圖譜和精準醫(yī)學

　　2016年一群世界領(lǐng)先的科學家開啟了人類細胞圖譜計劃(Human Cell Atlas)，目前已經(jīng)包括了免疫系統(tǒng)、中樞神經(jīng)系統(tǒng)、上皮組織、胚胎細胞和癌癥。這個計劃將會提供一個囊括了細胞類型、標記基因、信號通路和調(diào)控機制的綜合參考視圖，給不同個體和疾病的組織帶來更好的生物靶標識別和藥物標靶，從而進一步發(fā)展精準醫(yī)學。

 

　　1.3.4. 把轉(zhuǎn)錄水平的差異關(guān)聯(lián)到細胞類型和功能

　　scRNA-seq的數(shù)據(jù)已經(jīng)表明，在大腦不同區(qū)域和不同的組織，細胞間的異質(zhì)性比之前預計的還要大。面前更艱巨的任務(wù)是從功能上評估RNA成分的異質(zhì)性具體在何種程度上影響了相關(guān)細胞表現(xiàn)出不同的功能。大部分的scRNA-seq研究對此有所描述，仍未清楚的是，多大程度的轉(zhuǎn)錄組差異會導致細胞功能的區(qū)別，使細胞成為不同的類型而不是同類型細胞的不同可選狀態(tài)。某(幾)種轉(zhuǎn)錄本的表達量積累到什么水平能夠看到明顯的細胞功能改變?這取決于該基因的功能以及其他的基因表達，還取決于特定轉(zhuǎn)錄本的穩(wěn)定性和半衰期。不經(jīng)過功能測試就將功能與轉(zhuǎn)錄水平關(guān)聯(lián)起來不是一個簡單的任務(wù)。無論如何，細胞和分子生物、生物化學、生理學以及數(shù)學模型的結(jié)合，將來肯定能夠解答革命性的scRNA-seq技術(shù)還不能回答的問題。單細胞技術(shù)在未來的生物功能注釋中將會是不可或缺的工具。

　　1.4. 分析

　　這篇綜述沒有提到具體的數(shù)據(jù)分析。

　　(文章來源: 單細胞天地 轉(zhuǎn)載僅供參考學習及傳遞有用信息，版權(quán)歸原作者所有，如侵犯權(quán)益，請聯(lián)系刪除)
免責聲明：部分圖片來源于網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系刪除！