专访龙甫荟 填补单细胞基因表达图谱技术空白

　　

编者按：9月的《Nature Methods》封面留给了龙甫荟博士与彭汉川博士的一篇研究性文章A 3D digital atlas of C. elegans and its application to single-cell analyses，他们首创的一套秀丽线虫3D图像转换基因表达图谱技术，这项技术的问世填补了单细胞功能基因图谱分析的空白，对单细胞乃至单基因的分析具有重要的意义。

 

9月的Nature Methods不仅将其作为封面文章，还发表了University of Connecticut Health Center William A. Mohler教授针对这项研究成果的一篇题为Google earthworm的评论文章。

 

获得这一成果后，龙甫荟博士与彭汉川博士继续深入验证，他们与斯坦福大学的Stuart K. Kim实验室的刘晓博士合作，再度在10月30日的Cell上发表一篇用3D图像转换基因表达谱技术分析秀丽线虫单细胞功能基因组表达图谱的文章。

 

究竟龙甫荟博士，彭汉川博士的研究团队是如何通过高分辨率的数字图片实现单细胞基因表达图谱的绘制，请随生物通记者走近两位技术的主创人，了解更多。

 

生物通：是什么样的灵感驱动您的研究团队去开发这样的一个单细胞图片-基因表达谱转化技术的？

 

龙甫荟： 基本上不是灵感， 而是这个领域发展趋势。

 

生物通：可以给我们介绍一下这个通过高通量图片数据获得基因表达谱的技术吗？

 

 

龙甫荟：我们的方法分为两步。首先对整个秀丽线虫产生一个高分辨率的三维数字地图，标定那些生物上可以准确知道名称的细胞。现在我们的秀丽线虫数字地图包括大约 70％的细胞，它们包含了很多类别，例如体壁肌肉细胞，运动神经元，肠道消化细胞，上皮细胞，等等。其次，我们开发了一套软件，对一个新扫瞄的三维秀丽线虫照片，这个软件能够自动将其与我们的秀丽线虫数字地图进行对比分析，自动预测，判别，认证新照片中每个细胞的类别和名称，从而自动而且准确地定位每个细胞。有了这套工具，我们就可以自动测量秀丽线虫的单细胞基因表达谱了。这套创新的方法刚刚在 2009年9月的Nature Methods杂志发表（Nature Methods6, 667 - 672 (2009) )，并且被作为封面故事 （http://www.nature.com/nmeth/journal/v6/n9/covers/index.html <http://www.nature.com/nmeth/journal/v6/n9/covers/index.html> )

在同一期被专门介绍（http://www.nature.com/nmeth/journal/v6/n9/full/nmeth0909-635.html <http://www.nature.com/nmeth/journal/v6/n9/full/nmeth0909-635.html> )我们将这套方法应用在另外这篇Cell文章，产生了单细胞功能基因分析结果。

 

生物通：实验研究过程中主要采用的技术有哪些？最重要的技术点在哪里？

 

龙甫荟：这个研究是生物技术，特别是基因技术，和计算技术的结合。关键是建立线虫的三维数字地图。为此，我们开发了一整套计算机图像处理的方法从共焦显微镜图像中获取有关细胞核的重要信息。

 

生物通：秀丽线虫的单细胞的功能基因组分析具有什么意义？

 

 

龙甫荟：秀丽线虫是第一个细胞分裂代谱已知的模式生物，每个细胞都有不变的细胞分裂代谱，就象一个精确的计算机程序一样执行。加上研究这个模式生物的方便性，例如秀丽线虫生长快，身体透明，便于光学显微术照相等，分析这个生物的功能基因表达对于更好地揭示每个基因的角色和功能,以及相关的生物学领域例如神经科学，具有极大的作用。近年来有几个诺贝尔奖都是使用秀丽线虫作为实验对象加以研究（2006 Nobel Prize:

http://nobelprize.org/nobel_prizes/medicine/laureates/2006/adv.html <http://nobelprize.org/nobel_prizes/medicine/laureates/2006/adv.html>  .

2002 Nobel prize:http://nobelprize.org/nobel_prizes/medicine/laureates/2002/ <http://nobelprize.org/nobel_prizes/medicine/laureates/2002/> ）。基因表达是在单个细胞起作用的，但是长期以来没有好方法可以直接测量单细胞水平的基因表达量，使用基因芯片等微阵列方法只能得到整个生物组织的总体基因表达量，因此我们的单细胞的功能基因表达填补了一项长期以来需要的技术空白，将会对更好研究每个基因的功能起到巨大作用。

 

生物通：单个细胞的功能基因组分析可能成为未来研究的趋势，如果进行人类单细胞功能基因组分析可能有哪些困难？有可能实现吗？

 

龙甫荟：这里有几个层次：首先需不需要，然后可不可能，最后是如何实现有何困难如何克服。现在在这几个层次上还有很多争论，但是趋势是需要增加基因表达量测量的空间精度和时间精度。任何有利于这个目标的技术都会起到较大作用。

 

生物通：如果能将这个技术用于人类细胞的表达谱研究，对人类功能基因组的研究将有哪些贡献？

 

龙甫荟：长期来讲，我们开发和使用的一些技术会帮助更好地理解人类细胞的表达

谱。这些研究对于研究人类疾病，发育和衰老，新医药等领域都会有帮助。

 

 

生物通：图片转换为基因表达数据的过程会不会出现一些假阳性数据，如何处理这个保真的问题？

 

 龙甫荟：现有的方法是结合（1）通过人工较读计算机自动分析结果，（2）多次重复

生物实验，从而达到很高的可信度。

 

生物通：你们的研究是一个交叉学科课题，两个不同领域课题组的研究者如何实现无障碍的合作？

龙甫荟：我们都对合作方的研究有强烈兴趣，所以经常沟通和互补。

 

生物通：生命科学是一门复杂而深奥的科学，发展交叉科学将越来越流行，你如何看这个领域？     您的实验小组下一的计划是什么？

 

龙甫荟：结合基因技术，显微成像技术，和计算技术研究生命科学问题会是一个长期的趋势。我们希望进一步提高这个技术的精度并正用于不同的模型生物。

 

生物通：.问一个老生常谈的问题，发一篇Nature Methods很不容易，你有什么心得或是忠告吗?

龙甫荟：论文的质量比数量更重要。要想发表高质量论文，首先要有兴趣。之外要结合艰苦的工作和对解决问题原理上的创新。

（生物通 张欢）

 

 Fuhui Long, PhD

Bioinformatics Specialist

Janelia Farm Research Campus

Howard Hughes Medical Institute

19700 Helix Drive

Ashburn, VA, 20147

Email: [e-mail]

Tel. [phone]

 

My recent research interests focus on bioimage informatics and computational biology. I am developing novel bioimaging, image/video analysis,  computer vision, data mining, and machine learning techniques to automate analysis and mining of biological data produced by light and electron microscopy in high-through way. In collaboration with biologists, physicists, chemists, and computer scientists, we are attacking some challenging problems in neuroscience and molecular biology. These problems include: 1) building digital atlases of model organisms such as C.elegans and Drosophila in both single cell resolution and compartment level; 2) building the wiring diagram of lineages in Drosophila brain; 3) high-throughput screening of gene expression in C.elegans (at single cell resolution) and in Drosophila; 4) automated annotation of cells and brain compartments in model organisms; 5) morphological analysis of neurons; 6) developing efficient feature selection, clustering, classification, and other machine learning techniques for biological data analysis and data mining; 7) developing bioimage analysis and visualization tools for general biological studies; and some others.