蛋白质组学

《自然-方法》2019年度技术:单细胞多模态组学

多模态组学测量让研究人员可以逐个全面地了解细胞。

2013年,我们将“单细胞测序”选为“年度技术”,以突出这项技术可以对单个细胞进行DNA和RNA测序,进而让科学家能够推断不同细胞的生物学差异。自那以后,单细胞测序飞速发展,扩大了我们对细胞异质性及其对细胞功能的影响的认识。测序技术的日益强大,提升了我们剖析细胞的不同层面的能力,包括细胞的基因组、转录组和表观基因组,以及这些“组”的空间组织。

近来,单细胞领域的技术进步推动了多模态组学测量的发展。这里的多模态组学测量是指在一个实验中同步测量多个模态(即开展多模态研究),或是整合多个实验的不同组学数据集。鉴于单细胞多模态组学对于揭示细胞功能、发现组间(across -omes)关系、记录动态生物活动具有非常重要的影响,我们将其选为“2019年度技术”(Method of the Year 2019)。

单细胞技术的发展方向一开始主要集中在单细胞RNA测序(single-cell RNA sequencing,scRNA-seq)。将这种测序技术应用在特定的复杂组织中,能够剖析转录组异质性,揭示此前未知的细胞类型或细胞状态。研究人员很快意识到,将单细胞RNA测序与另一种生物分子表征方法相结合,如蛋白谱分析,就能产生1 1 2的效果,提供更多信息。比如,在测序前进行非破坏性分析(如细胞计数法),能将表面蛋白表达水平与细胞转录组联系起来,实现对RNA和蛋白水平的联合分析。又比如,利用物理分离的细胞组分,可以平行测量胞浆mRNA和细胞核基因组,通过将相同细胞的转录组与基因组联系起来,实现细胞基因分型。

最近,多模态测量的影响力不断扩展,超越了以转录组为中心的观点。例如,一项最新研究将原位Hi-C与全基因组重亚硫酸盐测序相结合,在单细胞内同步进行染色体构象和DNA甲基化谱分析,显示出针对细胞类型特异性多模态测量的分析能力正在逐步增强(Nat. Methods 16, 991–993, 2019)。

当然,这些成绩不是一蹴而就的,无论是实验设计还是数据分析,都要克服诸多挑战。实验测量的单细胞多模态组学数据一直很稀缺,且噪声大。生物化学和分子检测也需要进一步发展,让灵敏度、特异性和稳健性更上一个台阶。高通量检测作为一种可扩展的技术,能在一个实验中同时处理几千到几百万个细胞,但这种技术依然局限于特定的组学测量。

在本期《自然-方法》发表的一篇“”文章中,任兵等人探讨了多模态测量的最新实验进展,如可以一次分析一个细胞;通过液滴平台或组合DNA条形码系统实现高通量的读出。

单细胞多模态分析技术还以前所未有的方式,为高级统计与计算方法的发展打开了一扇新大门。一个关键问题是,如何开展跨模态整合并利用多模态测量获得的数据进行模拟。由于不同类型的数据拥有不同的统计、技术和生物特征,我们需要精深有效的统计与计算方法,才能在控制混杂因素(如不同来源导致的批次效应等)的同时,实现全面整合。此外,这类数据还能催生强大的算法,在纯粹的细胞鉴定之余,获得更深刻的认识,比如分析发育系统的调节网络。

Sarah Teichmann和Mirjana Efremova的另一篇“”文章对这些激动人心的领域做了概述和展望。

从不止一个细胞模态中收集数据,有助于解决之前存在挑战的生物学问题。比如,同步测量基因表达和细胞表面蛋白,使研究人员可以进一步了解存在微小转录组学差异的细胞亚群。将染色质结构的光学重建(optical reconstruction of chromatin architecture,ORCA)与多重RNA标记结合,就能使单细胞内的DNA折叠和基因表达可视化,从而对果蝇胚胎进行三维染色质重塑(Nature 568, 49–54, 2019)。不仅如此,测序工具与CRISPR编辑联用,有望实现发育系统内的单细胞系追踪。

Alexander Schier的“”文章则站在生物学家的角度,细数细胞表型和基因型多模态测量释放的各种应用潜力,比如可以将CRISPR筛选中的突变与转录组联系起来。

本期《自然-方法》还发表了一篇“新闻特写”,调查了各个实验室为将单细胞多模态组学分析应用到实际研究中,所做的不懈努力。

此外,隆重推出我们的“技术关注”单元(Methods to Watch):集中展现我们认为有潜力解决生物学难题的方法和领域。

希望您喜欢我们的2019年度技术特刊。祝您2020年一切顺利!

原文以Method of the Year 2019: Single-cell multimodal omics为标题发表在2020年1月06日的社论上

© nature

Nmeth |doi:10.1038/s41592-019-0703-5







(0)

热评文章

发表评论