如何讓單細胞測序變得如此簡單?

2020-11-24 生物谷

2017年7月20日 訊 /生物谷BIOON/ --單細胞生物學研究一直是當今的熱門話題，而且最前沿的領域就是單細胞RNA測序了（scRNA-seq）。常規RNA測序方法一次性能夠對成千上萬個細胞進行加工測序，並給出平均差異，但並沒有兩個細胞是完全一樣的，而新型的scRNA-seq方法就能夠揭示出製造每一種特異性的微小改變，甚至這種技術還能夠闡明完整的新的細胞類型。

比如，當來自博德研究所的研究人員Aviv Regev等人利用scRNA-seq對2400個免疫系統細胞進行探查時，他們無意中發現了一些具有潛在T細胞激活活性的樹突狀細胞，Regev表示，一種刺激這些細胞的疫苗或能夠潛在增強機體免疫系統並且保護機體抵禦癌症。當然了，這些發現都是來之不易的，相比大量細胞而言，研究人員很難對單個細胞進行操作，因為每一種細胞僅會產生少量的RNA，對於研究者而言沒有犯錯的餘地；另外一個問題就是如何對大量的數據進行分析，最重要的是，研究者使用的工具可能是並不直觀的。

圖片來源：www.nature.com

一般而言，RNA測序數據能夠被以指令的形式輸入到Unix作業系統中進行分析，數據文件會從一個軟體包傳輸到另外一個，在這個過程中，每個工具都要對每一個步驟進行處理，比如基因組比對、質量控制、識別突變體等等。這個過程是非常複雜的，但對於大量的RNA-seq而言，研究人員可以利用算法對每一個步驟進行處理，而且他們也非常清楚每個過程的運行狀況。

如今網上有很多在線資源和工具能夠簡化scRNA-seq數據分析的過程，其中名為GitHub的平臺（Awesome Single Cell）就整合了70多種工具和資源，而且相關的工具和資源能夠覆蓋分析過程的每一步。

定製技術

在2016年發表的一篇研究報告中，來自夏威夷大學的生物信息學家Lana Garmire就列出了他們進行scRNA-seq數據分析的基本步驟，儘管每一個實驗都具有特殊性，但很多分析流程都是按照相同的步驟進行過濾以及對數據進行排序的，同時還能夠找出哪些轉錄物會被表達並且能夠糾正擴增效率的差異性，隨後研究人員就能夠進行一個或多個二級分析來檢測亞群和其它功能。

研究人員所面臨的另外一項挑戰就是規模問題，經典的RNA-seq實驗往往包含了少量樣本，但scRNA-seq研究中則含有成千上萬個樣本，能夠處理少量樣本的工具當遭遇十倍甚至百倍的樣本時，其效率通常就會降低。比如一種最常見的單細胞分析類型就是維數約減（dimensionality reduction），這一過程就能夠簡化數據集來促進對相同細胞的識別；桑格學院研究所的計算機生物學家Martin Hemberg認為，scRNA-seq數據能夠把每一個細胞描繪成為「具有20000個基因表達值的一覽表」。而諸如主成分分析法（PCA）和t-分布鄰域嵌入算法(t-SNE algorithm)等維數約減算法則能夠有效地將這些形狀投射到兩個或三個維度，從而就能夠使得相似的細胞聚集在一起。另外一種流行的應用就是偽時分析，2014年研究人員就開發了一種名為Monocle的工具，該工具能夠利用機器學習的方法來對scRNA-seq實驗性的數據進行推斷。

當然，諸如Pagoda等其它工具還能夠解決亞群特徵檢測和空間位置確定等信息，其能夠利用組織中基因表達的分布數據來確定每一個組織中的轉錄組學表達情況；來自紐約基因組研究中心的研究者Rahul Satija就開發了一種名為Seurat的工具，該工具能夠利用這些數據將細胞定位在三維空間中的點。

如今，研究人員已經開發出了一些即用型的檢測「流水線」，當然還有一些端對端的圖像工具，包括一些商業性的SeqGeq包以及一些成對兒的網絡開放性工具，比如Granatum和ASAP（自動的單細胞分析流水線，the Automated Single-cell Analysis Pipeline）；Granatum和ASAP能夠利用網絡瀏覽器提供相對簡單、交互式的工作站來幫助科學家們以圖形化的模式來深度分析數據；目前這兩個工具能夠更好地幫助科學家們進行日常的測序工作。

圖片來源：www.nature.com

使用工具時需要警惕

這些工具並不是在每一種情況下都是完美的，比如一種能夠善於精確鑑別細胞類型的「流水線」或許在進行偽時間分析（pseudo-time analysis）上並不擅長；此外，一些適當的方法或許還具有一定的數據依賴性。

對於初學者而言，嚴謹是非常必要的，生物信息學工具幾乎總是能夠給出一個答案，那麼問題是，這些答案意味著什麼呢？來自加利福尼亞大學的研究者Sandrine Dudoit的建議就是進行一些探索性的分析，同時對我們選擇的算法進行一些假設性的研究。有些分析性的任務仍然極具挑戰性，包括將來自實驗條件下或有機體中的數據同來自不同組學整合的數據進行對比。

目前研究人員能夠使用足夠多的工具來進行研究，而那些對其感興趣的科學家也在不斷鑽研；每一種新型工具都能夠揭示生物學的另一面，因此只要時刻關注科學，我們就能夠做出明確的選擇。（生物谷Bioon.com）

參考資料：

【1】Single-cell sequencing made simple

【2】Single-Cell Transcriptomics Bioinformatics and Computational Challenges

Front. Genet    doi：10.3389/fgene.2016.00163

【3】How to build a human cell atlas

【4】Single-cell RNA-seq reveals new types of human blood dendritic cells， monocytes， and progenitors

Science    DOI： 10.1126/science.aah4573

相關焦點

  • 新軟體讓單細胞測序更簡單—新聞—科學網
    其中，最前沿的領域當屬單細胞RNA測序（scRNA-seq）了。 常規RNA測序方法能一次性加工測序成千上萬個細胞，並給出平均差異。但沒有兩個細胞是完全一樣的，而新型的scRNA-seq方法就能揭示細胞中產生每種特異性的微小改變，甚至這種技術還能闡明完整的新細胞類型。
  • 【盤點】單細胞測序研究進展一覽
    而應用而生的就是單細胞測序技術，該技術是指DNA研究中涉及測序單細胞微生物相對簡單的基因組，更大更複雜的人類細胞基因組。而隨著測序成本的大幅度下降，破譯來自單細胞的30億鹼基的基因組並對逐個細胞進行序列比較已經開始變為現實。單細胞測序技術可謂是科技發展史上的一大創舉。
  • 單細胞基因測序市場分析
    每一個細胞的譜系和發展的狀態又決定了每個細胞如何和周圍的細胞和環境如何反應，把基因測序應用到單個細胞層面，對於我們理解細胞的起源，功能，變異等有著至關重要的作用。　　關於二代基因測序已經詳細在我們的前期兩篇深度報告中進行了介紹，在本篇報告中，我們將詳細解讀單細胞基因測序，以及該技術對癌症，輔助生殖以及免疫學等領域帶來的新的突破。
  • 單細胞測序技術原理
    自此，單細胞測序技術被廣泛應用於基礎科研和臨床研究。單細胞在許多領域都佔有一席之地，對於癌症早期的診斷、追蹤以及個體化治療具有重要意義。 一.基本原理 單細胞測序首先不是僅僅對一個細胞進行測序，而是說該項技術能對單一細胞的基因組或轉錄組進行測序，可以理解為單細胞水平上的測序。 在介紹基本原理之前先讓我們嘗試著回答一下：為什麼要進行單細胞測序？
  • 單細胞RNA測序簡介
    一、單細胞RNA測序的來源從早期的科學研究開始，我們就知道，體內的每一個細胞都有完全相同的遺傳信息。因此，體內細胞的多樣性來自於基因表達，每個細胞必須表達一組基因，並抑制另一組基因以使其正常工作。但是我們很難精確定位哪個基因(或一組基因)對每個細胞至關重要。
  • 單細胞知識小百科｜揭開「測序飽和度」的神秘面紗
    在眾多的指標中，關於測序飽和度（sequencing saturation）流傳著多種說法：「飽和度高於70%數據才夠用」，「增加數據量就能增加飽和度」，「增加捕獲細胞數必須增加測序數據量才能保證測序飽和度」……這些言之鑿鑿的說法，有時候卻彼此矛盾，給10x Genomics技術的初學者帶來了不少困擾。飽和度作為質控標準是否如此重要？飽和度不高又需要如何優化？
  • 【綜述】盤點單細胞測序研究——續篇
    他們建議需要更多的研究來了解結直腸腫瘤如何轉移。為此，他們開發了一種測序方法，可同時分析單個細胞中的拷貝數變異，甲基化和基因表達-該方法將單細胞測序數據與來自染色體構象，表觀遺傳數據和腫瘤細胞其他特徵的信息結合在一起。
  • 什麼是高通量單細胞RNA測序技術?
    該五篇文章幾乎都是同時發表，表明該領域的競爭激烈，同時也說明了單細胞測序技術在植物研究應用中已經成熟，期待未來更多的植物組織細胞的測序，為解決植物如何從胚發育成全株提供更多的信息！ 什麼是高通量單細胞RNA測序技術？
  • 單細胞全基因組測序——求同存異,追本溯源
    2011年，《Nature Methods》將單細胞測序列為年度值得期待的技術之一；2013年，《Science》將單細胞測序列為年度最值得關注的六大領域榜首。近年來單細胞全基因測序不斷發展的技術方法和在各領域的研究成果也屢屢登上"NCS"的榮譽殿堂。仿佛一夜之間，單細胞全基因組檢測技術就成了生物醫藥研究人員的新寵。
  • 確認過眼神，是值得挖掘的單細胞測序資料庫
    考慮到單細胞測序的火熱趨勢，目前介紹的單細胞測序結果的專業資料庫主要包括：scRNASeqDB和 SCPortalen: human and mouse single-cell centricdatabase.，其中scRNASeqDB主要收錄的是來自 GEO的生物醫學單細胞測序數據。
  • 烈小冰憑藉單細胞測序C位出道,你pick了嗎?
    首先，來簡單科普一下什麼是單細胞測序（Single Cell Sequencing）。例如，在三陰性乳腺癌中，單細胞測序回答了一個最為重要的問題，耐藥克隆究竟是如何產生的，與普通細胞又如何區分。在神經，發育，腫瘤，免疫等領域的研究，單細胞測序已有數百篇影響因子在30以上的文獻，成為現今高通量測序研究的最前沿。那麼烈冰的單細胞測序技術強在哪裡呢？
  • 《陳巍學基因》筆記(11)單細胞RNA測序
    眾所周知，每個細胞都存在其自身特異的基因表達模式，以往對細胞群或組織進行整體的測序時，細胞間基因表達的差異很有可能會被平均。昨天我們共同了解到如何對單細胞進行 DNA 測序，很自然地我們也會想到，如何對某單個細胞的 RNA 進行「拍照」，讓每個細胞寶寶都綻放光芒呢？
  • 單細胞核測序時代是你的時代嗎
    前言高通量單細胞測序這幾年發展的如火如荼，已經是各種高分期刊的「常客」。作為一名科研工作者，雖然不能盲目追求高影響因子，但是誰又不希望自己的科研成果發表在頂級期刊，讓更多的科研同道了解自己的工作呢？很多老師想要研究某些特殊樣本，例如心肌細胞和神經元；也有很多老師手上有頗為珍貴的臨床凍存樣本，但是受限於單細胞測序對於樣本的嚴格要求——細胞數量要求大於105個、活細胞數在90%以上、細胞直徑小於40μm等，只能望「單」而嘆！
  • 2018單細胞測序應用領域突破性成果盤點
    Cell：以色列研究團隊使用單細胞轉錄組測序揭示黑色素瘤腫瘤浸潤T細胞的轉錄組異質性和分化途徑　　2018年12月，以色列Ido Amit實驗室李漢傑博士等通過對25名黑色素瘤患者腫瘤中免疫細胞的單細胞轉錄組測序和單細胞TCR測序分析，繪製黑色素瘤詳盡的免疫細胞圖譜。
  • 「單細胞測序」技術發展迅速,實現產業化還要多久?
    核心技術：單細胞測序與質譜流式細胞術單細胞測序主要有四個工作流程：單細胞製備、單細胞分離和文庫製備、測序和初級分析、生信分析。單細胞製備通常採用機械法、酶解法或其他組合方案將組織裂解，隨後將特定的細胞群富集、標記，成為單細胞樣本。單細胞分離與文庫製備是單細胞測序的關鍵步驟，與最終單細胞數據的質量、精準度息息相關。
  • 著名科學家發表Nature綜述:單細胞測序現狀
    正因如此，單細胞基因組學研究受到了越來越多的關注。　　單細胞基因組學領域近年來發展得非常迅速，為人們揭示了複雜生物學體系的許多重要線索，包括微生物群落的生態多樣性和人類癌症的基因組。一月二十五日Nature Reviews Genetics雜誌發表的一篇重要綜述，全面介紹了單細胞基因組測序的發展現狀。
  • 生輝 · 生命科學大會嘉賓新格元方南開啟單細胞測序「江湖」
    去年，美國單細胞測序公司 10x Genomics 納斯達克上市成功領跑，讓單細胞測序再次亮相於聚光燈下。什麼是單細胞測序？簡單來說就是單個細胞水平上對基因組進行測序。2013 年，Nature Methods 將單細胞測序評為「年度技術」，認為該技術將會改變生物界和醫學界的諸多領域。
  • Illumina、Juno等技術巨頭為啥同時下注單細胞測序?
    先後有多家生物技術公司將觸手伸到在這一技術領域，包括測序巨頭Illumina、CAR-T治療巨頭Juno、測序黑馬10X Genomics、以及業務大而全的華大基因。　　它們關注的這項技術叫單細胞測序。單細胞測序往簡單了說就是對人體的單個細胞測序。
  • 研究人員開發出高覆蓋度的單細胞拉曼分選-測序技術RAGE-Seq
    拉曼激活細胞分選耦合測序是菌群單細胞分析的重要手段，但其低基因組覆蓋度一直困擾著業界。中國科學院青島生物能源與過程研究所單細胞中心發明了全新的單細胞拉曼分選-測序技術RAGE-Seq，實現了菌群中單個目標細胞近100%覆蓋度的精準測序。該工作發表於Small。
  • 免費領取 | 單細胞轉錄組測序，市面罕見的單細胞技術書籍
    前陣子，小編發現了一篇單細胞測序的文章，看到之後震驚了！文章的主要內容只有這些：細胞培養、單細胞製備、單細胞測序、質量控制、技術驗證，而且只獲得了單細胞測序數據就結束了據統計，單細胞測序相關文章的單月平均影響因子達到了20.4！由此可見其影響之大，而單細胞轉錄組測序的文章已經發表很多了，現在再不應用就趕不上熱度了！ 為響應熱潮，滿足同學們的需求，解螺旋和聯川生物一起給大家送出這本《單細胞轉錄組測序》實體書。