靶向單細胞多組學方法,可在低深度下同時檢測蛋白表達和低豐度轉錄組

2020-11-30 騰訊網

在表徵細胞表型和功能特性時，需要考慮轉錄組與蛋白質之間的關係。通常，轉錄組的表達水平要比蛋白質低得多，而蛋白質的動態表達範圍則較大，拷貝數跨度約為6-7個數量級，轉錄本拷貝數跨度約為2個數量級。平行檢測蛋白質表達和轉錄組數據方法的開發，如CITE-seq、REAP-seq，解決了僅評估轉錄組所固有的一些限制，但也幾乎使每個單細胞的測序深度增加了一倍。

近日，美國Fred Hutchinson癌症研究所開發了一種新的多組學方法，通過將高通量靶向轉錄組學方法與蛋白質檢測相結合，可在單次試驗中同時分析約500個基因，並檢測2×104個細胞的40多種蛋白質。該方法測序深度僅約全轉錄組方法的十分之一，且對低豐度轉錄組保持了高靈敏度檢測。該研究成果發表在Cell Reports上，文章題為「A Targeted Multi-omic AnalysisApproach Measures Protein Expression and Low-Abundance Transcripts on the Single-Cell Level」。研究團隊將該方法應用於免疫細胞異質性研究，並採用大規模細胞數據分析工具One-SENSE來可視化蛋白質轉錄組的數據集。

圖：研究概述，來源：Cell Reports

研究團隊利用寡核苷酸條形碼抗體探針（AbSeq），並使用納米孔捕獲單細胞以進行靶向轉錄組學分析。研究發現，靶向轉錄組學方法與蛋白質檢測相結合不需要其他方法那樣高的測序深度，並仍然保持對低豐度轉錄組的高靈敏度。結果顯示，該方法可同時檢測492個免疫相關基因和41個表面蛋白。

為驗證該方法，研究團隊將來自三個健康對照組的27,258個外周血單核細胞分成兩批，一批進行多組學流程分析，另一批進行基於流式細胞的表型分析。結果顯示，這兩種方法都可以區分各種免疫細胞群體。將靶向轉錄組學方法與普通的全轉錄組分析方法進行比較，發現這兩種方法都可以捕獲主要的外周血單核細胞譜系。值得注意的是，這種方法僅基於轉錄組信息就可以清楚地分離出不同的記憶T細胞亞群和調節性T細胞。

圖：多組學方法與流式細胞方法的比較。來源：Cell Reports

圖：靶向多組學方法與全轉錄組方法解析度相似，並可良好分離CD4+T細胞和CD8+T細胞。來源：Cell Reports

研究人員使用來自另一單獨供體的外周血單核細胞，每個細胞可獲得約27,000個reads。研究人員使用新的多組學方法解析了不同信號所需的測序深度。通過對該數據集的reads進行二次採樣，當使用100%的reads或僅使用20％的reads時，研究發現蛋白質信號幾乎沒有差異。但在10％的水平上，蛋白質信號差異變得明顯。

以上結果表明，利用這種靶向多組學方法每個細胞需要2,000~4,000個reads，僅為全轉錄組方法所需測序深度的大約十分之一。此外，文庫中的抗體部分需要200~400個reads/細胞，才能提供足夠的解析度。據估計，這將使新的檢測方法成本降低約5倍。因此，基於靶向轉錄組學的多組學分析方法不失為一種靈敏且經濟高效的選擇。

圖：One-SENSE圖描繪了沿x軸的蛋白質表達熱圖，以及沿y軸的差異表達基因的轉錄組表達熱圖。來源：Cell Reports

通過大規模細胞數據分析工具One-SENSE，研究團隊可以將多態性數據集中的轉錄組和蛋白質表達之間的相關性進行可視化。研究人員可通過在一個軸上繪製蛋白質表達譜，在另一個軸上繪製差異表達的基因表達譜來繪製細胞圖譜，使人們能夠輕鬆識別具有相似轉錄組而不是相似蛋白質的細胞簇，反之亦然。將這種可視化方法應用於外周骨髓細胞時，研究團隊識別了外周CD14+骨髓細胞群體的不同子集。

文章共同第一作者、Fred Hutch癌症研究所研究員Florian Mair表示：「我們正在努力開發類似的技術，這些技術可以告訴我們有關免疫系統如何工作，以更低的成本獲取更多信息。」

單細胞研究可通過對每個細胞的多種形態進行檢測，最終綜合分析DNA序列、基因組可及性、轉錄組、調節性RNA和蛋白質表達，以對細胞功能有一個整體的了解，但目前尚未實現。高通量單細胞測序是實現這一目標重要工具。研究團隊新開發的靶向轉錄組學方法提供了一個替代平臺，該平臺顯著降低了對轉錄組進行飽和測序所需的測序深度，可提供有關492個免疫相關基因的信息並進行可視化，充分利用了多組學單細胞分析方法的優勢。研究團隊表示，這種方法或將成為探索多組學數據集，並從複雜的多維數據中提取有價值信息的重要工具。

參考資料：

1.A Targeted Multi-omic Analysis Approach Measures Protein Expression and Low-Abundance Transcripts on the Single-Cell Level. DOI:https://doi.org/10.1016/j.celrep.2020.03.063

https://www.cell.com/cell-reports/fulltext/S2211-1247(20)30388-0#%20

2. Multiomic Approach Measures Protein Expression, RNA Transcript Levels of Single Cells

https://www.genomeweb.com/sequencing/multiomic-approach-measures-protein-expression-rna-transcript-levels-single-cells#.XpSCHjMpj2e

·END ·

課程推薦

相關焦點

  • 單細胞多組學技術的深度解析
    例如，在測序前使用非破壞性方法，就可以將表面蛋白質表達水平與細胞轉錄組聯繫起來，從而可以聯合分析RNA和蛋白質水平。使用物理分離的細胞組分提供了一種並行測量的方法，例如，細胞溶質中的mRNA和核基因組，通過將轉錄組與來自相同細胞的基因組聯繫起來進行細胞基因分型。最近，單細胞多組學測量的浪潮已經不僅僅局限在了以轉錄組為中心。
  • 單細胞轉錄組+蛋白組+bulk RNAseq！多組學繪製全面肺衰老圖譜
    本文作者使用單細胞轉錄組學和基於蛋白質組學的質譜分析（mass spectrometry-based proteomics）來量化年輕和年老小鼠肺部30種細胞類型的細胞活性狀態變化。作者發現，衰老會導致轉錄噪聲增加，並且放鬆對表觀遺傳的控制。作者還觀察了衰老對於細胞類型特異性的影響，發現2型肺細胞和脂肪成纖維細胞膽固醇合成的增加，以及呼吸道上皮細胞的改變，是肺部老化的幾大標誌。
  • 單細胞轉錄組+蛋白組+bulk RNAseq!多組學繪製全面肺衰老圖譜
    本文作者使用單細胞轉錄組學和基於蛋白質組學的質譜分析（mass spectrometry-based proteomics）來量化年輕和年老小鼠肺部30種細胞類型的細胞活性狀態變化。作者發現，衰老會導致轉錄噪聲增加，並且放鬆對表觀遺傳的控制。作者還觀察了衰老對於細胞類型特異性的影響，發現2型肺細胞和脂肪成纖維細胞膽固醇合成的增加，以及呼吸道上皮細胞的改變，是肺部老化的幾大標誌。
  • 如何同時對單細胞進行多組學研究
    開創性的單細胞分析現在能夠對基因組、表觀基因組、轉錄組、蛋白質組和代謝組譜系進行分析。Cell旗下的Trends inBiotechnology綜述了為同一的細胞提供複雜的譜系，將不同維度的分析組合成多組學分析的方法。策略和活細胞螢光成像不同，組學的方法比如新一代測序和質譜是破壞細胞進行分析的。
  • 靶向治療誘導的肺癌進化:單細胞轉錄組分析
    單細胞轉錄組測序是研究複雜生物系統異質性的有效方法。2018年Bernard Thienpont帶領的研究團隊通過對正常與癌變樣本近10萬個單細胞的研究，創建了第一個完整的肺癌細胞圖譜，包括52個不同亞類的基質細胞，說明了肺癌微環境遠比我們想像的複雜（Lambrechts, D, 2018）。由於獲得高質量的晚期肺癌的樣本非常困難，對晚期肺癌的單細胞研究還很少。
  • GC-MS非靶向代謝組+轉錄組學助力羅學剛團隊再發多組學植物鈾研究
    繼2019年10月，歐易/鹿明生物合作客戶西南科技大學環境與資源學院羅學剛教授團隊在一區期刊Journal of Hazardous Materials（IF=7.650）發表題為「植物鈾毒性機制的代謝、轉錄組分析和礦物質營養代謝研究」的文章之後。點擊查看【多組學深度解讀】客戶文章 | 西南科技大學運用多層組學整合分析對植物鈾毒性機制研究。
  • 清華大學磷酸化蛋白組學揭示組蛋白H3.3可增強刺激誘導型轉錄
    高分專題高分專題是歐易/鹿明生物推出的最新組學領域行業熱點文章。了解大咖文章、跟進最新行業動態 、探索研究思路、加強蛋白組學和代謝組學高分亮點分析，這裡都有。更多資訊，請關注鹿明生物公眾號哦~複雜生物體為響應各種環境變化，可快速誘導特定基因表達，保證了炎症反應、熱休克應激等諸多細胞過程的發生。然而目前還不清楚這些刺激誘導的基因（stimulation-induced genes）是如何有效結合通用轉錄機制進行快速表達的。其中刺激誘導的轉錄可能被專用染色質調節機制與激活信號的轉錄因子合作控制。
  • ...DISC:使用半監督深度學習推斷單細胞轉錄組的基因表達和結構
    「dropout」事件使單細胞轉錄組中的基因表達變形並導致錯誤地分類細胞類型。儘管插補可以在某種程度上改善基因表達和下遊分析，但也不可避免地會引入額外的噪聲。本文開發了DISC，這是一種新型的深度學習網絡，具有半監督學習功能，可以推斷出因「dropout」事件而被遮蓋的基因結構和表達。在十個實際數據集上與七種最新的插補方法相比，DISC始終優於其他方法。
  • 新方法再次提高單細胞蛋白質組學質譜定量準確度
    單細胞蛋白質組學在蛋白豐度檢測、轉錄修飾和翻譯後修飾方面填補了單細胞轉錄組學的空白。　　　　單細胞蛋白質組學質譜（SCoPE-MS）是近年來興起的一種定量分析多功能單細胞蛋白質組的方法，這種方法採用同位素標記和載體蛋白質組學來分析單個細胞。
  • 生物樣品中蛋白定量的革命性方法:靶向蛋白質組技術
    · 高靈敏度：可檢測低至amol級（10-18）的蛋白信號· 高通量: 可同時分析數十個蛋白質含量蛋白質是生命活動的直接執行者，生物學研究離不開分析蛋白質的組成及含量變化。目前研究樣本中蛋白質的含量都是間接方法：1.基於抗體的檢測方法，如Western blotting、ELISA。這些方法的可靠性、靈敏度非常依賴於抗體的質量。對那些沒有商業化的抗體的蛋白而言，無法用這些方法分析蛋白含量變化。2.通過基因表達的變化預測蛋白質含量變化，但是mRNA和蛋白含量之間相關性並並不強，導致結果經常出現偏差。
  • Nature Methods|新方法再次提高單細胞蛋白質組學質譜定量準確度
    —— 諾貝爾生理學或醫學獎獲得者Sydney Brenner單細胞蛋白質組學在蛋白豐度檢測、轉錄修飾和翻譯後修飾方面填補了單細胞轉錄組學的空白。單細胞蛋白質組學質譜（SCoPE-MS）是近年來興起的一種定量分析多功能單細胞蛋白質組的方法，這種方法採用同位素標記和載體蛋白質組學來分析單個細胞【1】。
  • Cell上的經典蛋白組學、磷酸化蛋白組學、WES多組學聯合分析文獻
    今天小鹿為大家整理了近期發表在Cell上的一篇極為經典的蛋白組學、磷酸化蛋白組學、WES相關的多組學聯合分析文獻，希望能助您打開思路，找到新的挖掘點。對蛋白質組、磷酸化蛋白質組、轉錄組和全外顯子組測序數據的綜合分析揭示了腫瘤相關特徵，如腫瘤相關蛋白變異、特有的蛋白質組特徵以及早期患者或EGFR和TP53突變患者的臨床結果。基於蛋白的LUAD分層顯示了三個亞型(S-I、S-II和S-III)，它們與不同的臨床和分子特徵有關。
  • 「蛋白晶片法or質譜法」蛋白質組學研究方法的選擇及比較
    經常會有人將兩種方法進行比較，科學上很難有一勞永逸的方法，每一種方法都有其優勢和局限，有各自的用武之地。那麼，研究蛋白質組學應該如何選擇更合適的研究方法呢？以下將從六個主要方面進行比較和推薦。近年來，高通量技術平臺的開發大大推動了蛋白質組學研究工作。這些適用於蛋白質分析和標誌物開發的平臺讓研究人員能夠在單次分析中檢測數千種蛋白質。
  • 接近單細胞解析度，Cell發文公布高分辨空間組學技術
    責編 | 兮空間組學是繼單細胞測序技術之後的另一個生物技術研究熱點，它能夠彌補單細胞測序技術無法獲取細胞空間分布信息的缺陷。DBiT-seq技術實現了高質量和高分辨的空間轉錄組和蛋白組的測序。空間解析度最高可達10 µm，接近單細胞解析度。
  • 蔡軍/張江開發出基於深度學習的單細胞轉錄組分析模型
    單細胞轉錄組作為單個細胞的特徵，可更加精確地定義細胞的類型。常規的基於單細胞轉錄組的分類方法首先是進行無監督的聚類，然後根據每個集群（Cluster）特異表達的細胞標記基因來對集群進行標註。雖然基於無監督的分類方法更容易發現新細胞類型，但是人工標註的過程費時費力。
  • Matthias Mann:快速高深度DIA蛋白組學全面表徵酵母蛋白質組
    釀酒酵母是功能強大的模型物種，可用於系統性的生物學篩選和大規模蛋白質組學方法開發。隨著質譜技術的進步，酵母的全蛋白質組覆蓋幾乎完成。然而，對酵母蛋白質組進行快速高通量分析仍然具有挑戰性。研究材料：釀酒酵母細胞（Saccharomyces cerevisiae）技術方法：快速高深度DIA蛋白質組+轉錄組實驗路線圖：研究結果：1、快速高深度DIA檢測技術方法開發研究者在Orbitrap質譜儀上對DIA整體流程進行了探索。
  • 代碼分析 | 單細胞轉錄組clustering詳解
    我們在單細胞轉錄組分析中最為常用的聚類可視化即為tSNE和UMAP（Hemberg-lab單細胞轉錄組數據分析（十二）-
  • 科研人員開發出基於深度學習的單細胞轉錄組分析模型
    單細胞轉錄組作為單個細胞的特徵，可更加精確地定義細胞的類型。常規的基於單細胞轉錄組的分類方法首先是進行無監督的聚類，然後根據每個集群（Cluster）特異表達的細胞標記基因來對集群進行標註。雖然基於無監督的分類方法更容易發現新細胞類型，但是人工標註的過程費時費力。目前已有的基於監督學習的自動分類方法，大部分無法兼顧到方法的可解釋性以及新細胞類型的發現。
  • 神助攻帶你「撩」起單細胞轉錄組
    利用細胞系測序驗證平臺技術性能對等比例的共2400個人和小鼠細胞進行測序，每個細胞可產生約100,000條reads，通過分析結果驗證平臺技術性能。結果表明：1,012個GEMs中含有細胞，其中人482個，小鼠538個，多細胞比例僅佔1.6%；每個細胞10萬條reads，共檢測出4,500個基因及27,000條轉錄本；UMI計數均值與ERCC濃度計算出的分子數目的相關性高達0.96，說明cDNA反轉效率較高。
  • 布魯克:基於捕集型離子淌度質譜的4D-蛋白質組學
    基於timsTOF Pro的4D-蛋白組學平臺不僅適合於蛋白質組的深度鑑定、定量分析，還適合於翻譯後修飾的精準研究，臨床大隊列樣本的快速檢測，微量樣本甚至單細胞蛋白質組研究、蛋白質複合體交聯分析等。該平臺發布兩年多以來，已經得到越來越多的蛋白組學研究團隊認可並開始使用此革命性技術，一方面，是因為過去兩年多已經有大量的數據證明，timsTOF Pro的採集速度和靈敏度的同時提升大大突破了蛋白組學研究現有瓶頸，這提高了基礎蛋白組學研究的水平；另一方面，timsTOF Pro靈敏度和掃描速度上的獨特優勢，意味著所以可以用更低的進樣量和更短的色譜梯度鑑定到更多的蛋白，同時離子淌度的引入，更是大幅提高了數據的完整性和譜圖的歸屬性