2019年6月17日訊/
生物谷BIOON/---單細胞研究揭示了可能在其他分析中被忽略的細胞細節。生物學家當前使用一系列方法來收集不同組織和物種的單細胞數據。一些科學家可能使用基於組織的原位方法來研究小鼠神經元中的DNA甲基化，而另一些科學家可能使用液滴方法來探究人神經元中的RNA表達。
這些研究創建了許多獨特的不易結合在一起的數據集。但是，將這些數據結合在一起來比較多個個體、組織和物種的相似細胞的所有方面對於真正理解細胞類型的不同作用是必要的。
在一項新的研究中，美國斯坦利精神病學研究中心準會員Evan Macosko、訪問學者Joshua Welch及其團隊開發出一種將這些數據集結合在一起的新工具。這種稱為基因組實驗關係關聯推理（Linked Inference of Genomic Experimental Relationsh
ips, LIGER）的工具將不同的單細胞數據集整合在一起；將來自不同受試者、物種或分子衡量指標的類似細胞進行分組；針對不同組彼此之間的關係構建圖譜。相關研究結果發表在2019年6月13日的Cell期刊上，論文標題為「Single-Cell Multi-omic Integration Compares and Contrasts Features of Brain Cell Identity」。
圖片來自Cell, 2019, doi:10.1016/j.cell.2019.05.006。
其他常見的單細胞數據集集成方法消除了不同數據集之間的差異。但是，這些差異在生物學上很重要，比如，在比較健康的和受疾病影響的細胞時。LIGER既可以保留差異，也可以識別相似之處，從而實現更豐富的分析。
當這些研究人員在LIGER中加載單細胞數據集時，這種工具使用一種稱為「整合性非負矩陣分解（integrative non-negative matrix factorization）」的統計方法，基於兩個定義的特徵---一組對細胞原始數據集是獨特的因子和一組在不同數據集之間都共有的因子（通常對應於生物學上有意義的信號）---來識別和聚類細胞。這種方法使得人們能夠更清晰地查看來自不同來源的細胞之間的共有特徵和獨特特徵。
這些研究人員以四種方式測試了LIGER。首先，他們使用這種工具來定量確定不同大腦區域和不同動物之間的小鼠腦細胞類型差異。其次，他們使用LIGER通過比較來自人類和小鼠相同大腦區域的腦細胞來探究不同物種之間的相似性和差異。第三，他們使用這種工具研究單細胞RNA測序（scRNA-seq）和原位RNA測序分析的小鼠腦細胞的空間關係，從而將受測試的細胞與它們的原始大腦位置相匹配在一起。第四，這些研究人員使用LIGER通過將scRNA-seq和DNA甲基化譜合併在一起來研究小鼠腦細胞的表觀基因組特徵。（生物谷 Bioon.com）
參考資料：Joshua D. Welch et al. Single-Cell Multi-omic Integration Compares and Contrasts Features of Brain Cell Identity. Cell, 2019, doi:10.1016/j.cell.2019.05.006.