...開發出將多種單細胞數據集結合在一起的新工具,有助確定細胞類型

2020-11-27 生物谷

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.

相關焦點

  • Cell:開發出將多種單細胞數據集結合在一起的新工具,有助確定細胞...
    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。
  • Cell:將CRISPR和單細胞RNA測序結合在一起分析基因功能
    2016年12月17日/生物谷BIOON/---哪些突變組合有助癌細胞存活？大腦中哪些細胞參與阿爾茨海默病發生？免疫細胞如何執行它們的複雜決策過程？如今，在一項新的研究中，來自以色列魏茲曼科學研究所等機構的研究人員在一種方法中將兩種強大的研究工具--- CRISPR基因編輯和單細胞基因組分析---結合在一起，從而可能最終有助我們解答這些問題和更多的其他問題。
  • 單細胞數據高級分析——解碼細胞通信網絡
    前言　　多細胞生物是由不同類型的細胞組成開放社會，這個社會中的單個細胞間必須協調它們的行為，為此，細胞建立通訊聯絡是必需的。細胞通訊是指一個細胞發出的信息通過介質傳遞到另一個細胞產生相應的反應，通過化學信號分子進行細胞間通訊是動物和植物最普遍採用的通訊方式。
  • 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。
  • Cell 新工具|新型鈣整合器揭示驅動行為厭惡的大腦細胞類型
    對這一過程的深入理解繼續開發對DNA、RNA等多種水平的短暫細胞事件進行記錄的新型工具，從而幫助我們回答一些重大問題，如相互聯繫的神經細胞類型如何形成網絡，或者這些細胞的活動性如何驅動行為事件。細胞水平的成像技術常用於鑑定與特定行為、經歷相關的細胞亞群。
  • 人類大腦皮層新鑑定出75種細胞類型,有助解釋人為何智力高
    人類大腦皮層新鑑定出75種細胞類型，有助解釋人為何智力高 張夢然/科技日報 2019-08-23 08:30
  • 如何讓單細胞測序變得如此簡單?
    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。
  • 單細胞數據科學的十一個重大挑戰
    這些參數決定了個體細胞在其微環境中潛在的適應性景觀，進而決定了癌症進展的進化動力學。一個主要的挑戰將是將這與從其他測量中獲得的單細胞的空間位置相結合。這將有助於確定來自同一亞克隆的細胞是否位於同一位置，轉移是否經常由同一亞克隆發生，單個轉移是由單個亞克隆發生還是由多個亞克隆發生。利用來自同一腫瘤和遠處轉移的多個區域樣本的研究已經為研究這些問題鋪平了道路。
  • Sci Adv |基於人工智慧度量學習的單細胞類型鑑定新方法
    在單細胞轉錄組測序數據的分析過程中，細胞類型鑑定是必須且重要的一步。常規的細胞類型鑑定依賴於細胞類型標記基因，這種方法費時費力且不穩定，可重複性差，易導致不同實驗室的鑑定結果不可比較。scLearn，以及簡單易用的R包平臺和包含人類、小鼠在內的多個組織器官的預訓練的完整reference數據集，為有效利用海量的單細胞測序數據進行細胞類型鑑定提供了可借鑑的工具和資源。
  • 從單細胞到多細胞只是一個小飛躍—新聞—科學網
    但新證據顯示，從單細胞到多細胞生物的飛躍，在生命進化樹上似乎不像科學家之前預想的那樣戲劇性。近日，在刊登於《發育細胞學》期刊的論文中，研究人員表示，動物的單細胞祖先，似乎已經有了一些當前動物細胞發育成不同類型組織使用的機能。 「我們正在尋找對所有動物起源十分重要的演化過度。」
  • 【突破】500,000+單細胞的RNA序列揭示所有主要人體器官的細胞類型圖
    在周三發表在《自然》雜誌上的一項新研究中，中國研究人員根據來自中國漢族捐贈者的500,000多個單細胞的RNA序列，描述了所有主要人體器官的細胞類型組成。這項研究為人類生物學提供了寶貴的資源。
  • 多細胞動物可能並非單細胞進化而來
    也就是說，動物王國所有細胞的「高祖母」可能並非單細胞，而是與幹細胞非常相似。最新發現將有助人類更好地理解自身的幹細胞以及癌症。　　昆士蘭大學教授伯尼·德根領導的團隊在最新一期《自然》雜誌撰文稱，這一發現顛覆了生物學家數百年來對動物進化的認知——多細胞動物是從一個單細胞祖先進化而來的，這種單細胞祖先類似於被稱為領細胞的現代海綿細胞。
  • 從單細胞窺探生命奧秘 新技術揭開人類細胞生長發育之謎
    之前，11月13日，《科學》還刊登了洛克菲勒大學、華盛頓大學醫學院、羅特曼·巴蒂研究所等機構研究人員利用這些新技術創造的兩個細胞圖譜，以追蹤人類細胞類型和組織發育過程中的基因表達和染色質可及性。針對目前大部分單細胞測序技術只能檢測基因表達而忽略其他分子水平變化的局限，曹俊越等人又研發了高通量單細胞雙圖譜測序技術sci-CAR，可以同時檢測上萬個單細胞的轉錄組和染色質可及性數據，並成功構建首個哺乳動物器官水平（腎臟）的單細胞雙圖譜。此外，目前的單細胞測序技術依然局限於描述細胞的靜態而忽略了動態變化。
  • 高歌團隊發布單細胞轉錄組數據檢索新方法和參考資料庫
    若能有效利用現有的單細胞數據進行檢索與推斷，研究者便能更好地進行新測序單細胞的注釋，以及綜合多數據集的研究。發布了基於深度學習模型的單細胞轉錄組數據檢索和注釋的新方法Cell BLAST，以及具備高質量注釋的單細胞轉錄組參考資料庫ACA，為有效利用現有數據進行細胞注釋和跨數據集研究提供了新的工具和資源。
  • ItClust:單細胞RNA測序分析的聚類和細胞類型分類算法
    隨著越來越多的scRNA-seq數據變得可用，許多算法開始利用已標註細胞類型的scRNA-seq數據集中的信息，來幫助分類和標註新的未標註的scRNA-seq數據集。：一個作為源數據的基因表達矩陣， 其中每個細胞都被標註了細胞類型；另一個作為目標數據的基因表達矩陣， 其中所有的細胞都未被標註類型 。
  • 大事件、新技術引領單細胞進入新時代
    研究人員通過scRNA-seq和光片成像技術構建了數位化虛擬胚胎，其中捕獲了18個譜系海鞘原胚形成過程中每個單細胞在每次細胞分裂時的全基因表達軌跡。 通過使用高覆蓋的scRNA-seq，研究人員設計了一個無需先驗知識便可將單個胚胎的單個細胞分層為細胞類型的計算框架。
  • 從單細胞窺探生命奧秘！新技術揭開人類細胞生長發育之謎
    研究人員繪製了27個主要細胞種類的基因表達圖譜，並監測到各種罕見的神經細胞種類。這些數據不僅在線蟲研究領域具有重大意義，而且為構建其他生物物種的細胞轉錄組圖譜提供了模板。科學家分析了400多萬個單細胞，確定了77種主要細胞類型和大約650個細胞亞型。研究發現了一些新的細胞種類，並綜合分析了主要細胞類型（包括血液、內皮細胞和上皮細胞）的器官特異性。
  • 讓細胞計數更加準確的7個步驟 | 單細胞專題
    不同大小和類型的細胞將以不同的速率沉降和聚集。在加載樣品之前立即旋轉溶液會增加等分的概率，並準確地反映細胞培養的特性。細胞計數需要對整個細胞懸液中的少量樣本進行分析，因此必須注意確保樣品能夠代表原始整個單細胞懸液。
  • 泛癌單細胞RNA-seq識別22種癌症類型細胞異質性重複程序
    例如，罕見的腫瘤細胞亞群可能是造成癌細胞耐藥性及轉移的潛在因素。目前，實驗室培養的細胞系是癌症研究的主力軍，但不清楚它們在多大程度上概括了腫瘤惡性細胞之間的異質性。隨著測序技術的發展，單細胞RNA測序（scRNA-seq）已經成為研究腫瘤內異質性（ITH）的有效工具。