单细胞分析为干细胞和癌症研究带来希望

目前，加州大学旧金山分校（UCSF）的研究人员，利用最新技术分析单个细胞中的基因活性，确定了发育大脑中细胞的独特特性，并表明，大规模细胞分析的完成，可能比以前认为的更加有效和便宜。相关研究结果发表在2014年8月3日的《自然生物技术》（Nature Biotechnology）杂志。

　　

生物通报道：单细胞基因表达的大规模分析，有可能发现罕见的细胞群和血统关系，但是需要有效的方法进行细胞捕获和mRNA测序。尽管细胞条形码策略允许超低深度的单细胞平行测序，但是测序深度较浅的限制还没有得到直接的研究。

目前，加州大学旧金山分校（UCSF）的研究人员，利用最新技术分析单个细胞中的基因活性，确定了发育大脑中细胞的独特特性，并表明，大规模细胞分析的完成，可能比以前认为的更加有效和便宜。

UCSF Eli and Edythe Broad 再生医学和干细胞研究中心主任Arnold Kriegstein博士指出：“我们利用一种新策略，单独地分析数百个细胞，确定不同细胞类型的全新分子特征。我们希望用这种方法，来帮助我们更好地了解，大脑胚区中干细胞分裂产生的细胞如何引起了人类大脑皮层的复杂性。”

研究小组使用的技术，主要集中在一个“微流体”设备，在这个设备中单个细胞被捕获并流入纳米级的小室中，那里它们有效而精确地进行DNA测序所必需的化学反应。研究表明，确定和拼出独特序列，并成功地确定细胞类型所需要的阅读步骤数量，比原先估计的少100倍。这项技术，是由Fluidigm公司开发，可同时用于96个细胞的单独过程。

Alex Pollen博士称：“单细胞的常规捕获及其分子特征的精确采集，现在已经成为可能。”他和Kriegstein实验室博士后Tomasz Nowakowski一起，进行了关键的实验，在实验中，他们分析了来自大脑发育过程中301个细胞的基因活化。相关研究结果发表在2014年8月3日的《自然生物技术》（Nature Biotechnology）杂志。

Kriegstein称，识别不同细胞类型的数百个新型生物标志物，将提高科学家们对于出现特化神经元亚型的理解。最终，这种集中于单细胞基因活性的新方法，与其他单细胞技术（包括显微成像）相结合，可能会揭示脑部发育障碍的起源。

Kriegstein指出，这个过程可以揭示一些脑部疾病，包括平脑症，这种疾病患者大脑皮层中的褶皱无法发育，而且疾病在发育后期才被诊断，如自闭症和精神分裂症。

根据这篇论文的作者介绍，这种分析单细胞中分子的策略，不仅有利于研究特化细胞如何出现在发育有机体的特定时间和地点，也有利于监测干细胞（设计用于组织置换）的细胞特性，以及调查肿瘤内细胞多样性以确定癌细胞存活和传播的原因。

任何未经处理的生物样品，无论多么纯，其中都含有各种各样代表不同组织类型的细胞。研究人员已经测定了这些样品中的结合遗传物质。为了研究哪些基因是活跃的，哪些是休眠的，他们使用测序步骤的无理性重复，来捕捉足够数量的信使RNA序列，这些序列转录自交换基因。然而，很难从混合组织样品中推断，哪些基因是由特定的细胞类型表达的。

Pollen和Nowakowski表明，通过单细胞分析区别不同的细胞类型，需要的步骤、时间和金钱，比以前认为的更少。

Pollen说：“我们正在研究大脑中不同、但相关的细胞类型的一个生态系统。我们正在将这个群落分成不同的细胞群体，旨在了解它们的功能部件和组件，这样我们就能精确地预测它们将如何发育。”

本文共同作者、Fluidigm 公司资深科学家Joe Shuga博士称，该公司开发的用以捕获和为信使RNA测序准备细胞的系统，可以产生更准确的序列读数。

（生物通：王英）

延伸阅读：解读单细胞RNA-seq技术

生物通推荐原文摘要：
Low-coverage single-cell mRNA sequencing reveals cellular heterogeneity and activated signaling pathways in developing cerebral cortex
Abstract：Large-scale surveys of single-cell gene expression have the potential to reveal rare cell populations and lineage relationships but require efficient methods for cell capture and mRNA sequencing. Although cellular barcoding strategies allow parallel sequencing of single cells at ultra-low depths, the limitations of shallow sequencing have not been investigated directly. By capturing 301 single cells from 11 populations using microfluidics and analyzing single-cell transcriptomes across downsampled sequencing depths, we demonstrate that shallow single-cell mRNA sequencing (~50,000 reads per cell) is sufficient for unbiased cell-type classification and biomarker identification. In the developing cortex, we identify diverse cell types, including multiple progenitor and neuronal subtypes, and we identify EGR1 and FOS as previously unreported candidate targets of Notch signaling in human but not mouse radial glia. Our strategy establishes an efficient method for unbiased analysis and comparison of cell populations from heterogeneous tissue by microfluidic single-cell capture and low-coverage sequencing of many cells.