科普讲堂什么是单细胞测序?

单细胞测序技术,简单来说,就是在单个细胞水平上,对基因组、转录组及表观基因组水平进行测序分析的技术。传统的测序,是在多细胞基础上进行的,实际上得到的是一堆细胞中信号的均值,丢失了细胞异质性(细胞之间的差异)的信息。而单细胞测序技术能够检出混杂样品测序所无法得到的异质性信息,从而很好的解决了这一问题。

单细胞表达谱测序与bulkRNA测序对比

传统的二代测序中,最为人熟知的就要数RNA-seq了(图2)。RNA-seq是提取组织、器官或一群细胞的混合RNA(bulkRNA)进行测序,能够得到的是一群细胞的转录组的平均数据,细胞群体中单个细胞的特异性信息往往被掩盖(比如特异表达的基因或RNA不同的剪接体)。而随着对生物结构功能的深入研究,人们越来越清楚地认识到,哪怕看似相同的细胞群,细胞之间的转录组表达水平也是存在差异的。以肿瘤为例,肿瘤中心的细胞,肿块边缘的细胞和肿块周围的细胞,乃至远端转移的细胞,其转录组等遗传信息一定是存在差异的,而传统的研究手段通常将整个肿块整体进行研究,或者将肿块简单分区分割,得到每一部分细胞基因表达的平均值,丢失了每个细胞的异质性信息,使科研人员对肿瘤微环境中各种细胞转录组表达及免疫功能的理解和认识始终无法深入。

由此可见,为了得到原始和真实的细胞遗传信息,对转录组的分析须在单细胞水平上展开。单细胞表达谱测序技术可以从混杂组织中捕获单个细胞,并能从中够获取单个细胞的表达信息,检测出混杂样品中细胞的异质性数据。目前单细胞的捕获策略大体分两种:

·早期的单细胞捕获方式

早期的单细胞获取方式,是通过一定的技术手段,将单个细胞分离出来,并利用SMART-Seq2或商业化的SMART-Seq4试剂独立构建测序文库,最终进行测序。捕获方式包括:有限稀释法,流式分选法,激光切割法,显微操作法(图3前四种)。这些方法虽然各有各的优点,但各自的缺点也十分明显,比如流式分选法对于难度的计算易存在误差;流式分选法不适用于微量样本;激光切割法操作复杂;显微切割法的细胞通量低等。而它们的共同缺点,就是捕获成本高。

·使用微流控技术获取单细胞

通过微流控芯片将单个细胞捕获至油滴(图3最后一种),就是微流控技术。这种方式的优点是细胞通量高,周期快速,成本低,细胞捕获效率高,并且商业化仪器操作简便。其核心思想是将不同的细胞赋予一段不同的barcode序列,建库时,携带相同barcode序列的核酸分子被认为来自同一个细胞,人们就可以一次性为成百上千的细胞建库并顺利区分它们。

以目前占全球95%市场份额的10XGenomicsChromium转录组测序为例,细胞与逆转录试剂预混在一起,通过微流控芯片的一条通道,与另一通道中的携带百万个不同标签(barcode)的凝胶珠(gelbeads)相遇,穿过油幕的同时被包裹在一个油滴中,便可以轻松得到一个细胞和一个凝胶珠包在一起的油包水滴GEMs(图4)。

对于3’单细胞转录组来说,每一个凝胶珠携带足量条的核酸链,而每条核酸链由read1primer,细胞标签(barcode),分子标记(UMI),poly(dT)组成。一个凝胶珠上所有的核酸链的细胞标签(barcode)是相同的序列,而不同于其他凝胶珠上的细胞标签(barcode),用于标记细胞。一个凝胶珠上所有的核酸链的分子标记(UMI)是不同的,用于标记不同的RNA序列(图5)。

逆转录在油包水隔离的小室中进行,细胞破裂释放出mRNA,其3’端poly(A)序列被凝胶珠上的poly(dT)捕获。这样,同一个细胞的mRNA带有同一个细胞标签(barcode),可以与别的细胞的mRNA区分开;每条mRNA带有不同的分子标记(UMI),可以用来计算不同基因转录本的拷贝数,避免PCR扩增偏差(图6)。之后,对单个样本进行cDNA回收、建库和测序,分析测序下机数据识别barcode,得到单个细胞的表达矩阵、分群等信息。

由于这种单细胞检测平台的出现和商业化,使得单细胞测序技术的使用门槛大大降低,不仅实现了细胞通量(实际测到的细胞数量)的飞跃,而且大幅降低了单个细胞的检测成本。

单细胞测序的应用

单细胞测序技术,是在单个细胞水平上,对基因组、转录组、表观组进行高通量测序分析的一项新技术。它能够揭示单个细胞的基因结构和基因表达状态,反映细胞间的异质性,在肿瘤、发育生物学、微生物学、神经科学等领域发挥重要作用,正成为生命科学研究的焦点。

随着精准治疗时代的到来,未来单细胞技术,将会有助于人类的科学研究以及临床应用,尤其是在肿瘤、微生物、神经科学、免疫学等领域,应用会越来越广泛。

·肿瘤研究上的应用

该研究重在体现对抗VEGF(血管内皮生长因子)阻断AAT时,肿瘤血管选定的临床重要性,而且有助于确定肿瘤血管的细胞表型,从而在研究抑制肿瘤新生血管生成,抑制肿瘤细胞的生长和转移的道路上向前迈进了一大步。

·新冠治疗研究中的应用

·阿尔兹海默症研究中的应用

单细胞测序的未来

目前,全球潜在科研市场体量已经达到130亿美元以上,单细胞测序技术的市场更以年均20%以上的速度逐年增长。单细胞分析技术在临床和药物开发方面的应用前景更为广阔。随着测序技术的发展和测序水平的提高,单细胞测序技术能够解析细胞间更加细微的差异,正在推动癌症及肿瘤研究、发育生物学、微生物学研究、免疫、以及神经科学领域向前发展,并逐渐成为生命科学研究的焦点。

如今,单细胞测序正如火如荼,在单个细胞层面让我们在前所未有的水平理解转录组、免疫组和表观组的多样性。我们认为,未来的基因测序一定朝着更精准,更微观的方向前进!

THE END
1.首个可解释RNA的AI植物基础模型来了,整合1124种种植物RNA信息基序植物RNA 的复杂序列编码了大量的生物调节元件,这些元件在协调植物生长、发育和适应环境压力的关键方面起到重要作用。基础模型 (FM) 的最新进展证明了它们在破译生物学中复杂“语言”方面前所未有的潜力。 于最近的研究中,东北师范大学、英国约翰·英尼斯中心( John Innes Centre)和埃克塞特大学(University of Exeter)等https://www.163.com/dy/article/JJHRD3TL0552A8U8.html
2.Protein&Cell丨针对单细胞多组学数据设计的细胞类型自动注释方法近日,Protein & Cell杂志发表了题为:MultiKano: an automatic cell type annotation tool for single-cell multi-omics data based on Kolmogorov-Arnold network and data augmentation的文章,提出了首个针对单细胞多组学数据设计的细胞类型https://mp.weixin.qq.com/s?__biz=MzA3MzQyNjY1MQ==&mid=2652807808&idx=5&sn=f53c082fe49d9b994cd0306982307390&chksm=85d80f1c4759186546be72b2d310b2b37ae220808d7b6bd09349e4610bdafb86ce7222c0420e&scene=27
3.Transformer深度学习模型在单细胞组学中的应用Artur Sza?ata等人在Nature Methods发表的题为“Transformers in single-cell omics: a review and new perspectives”的论文,深入探讨了transformer模型在单细胞组学数据中的应用潜力与挑战,并提出未来研究方向的结构性展望。论文详细介绍了transformer架构及其在单细胞数据中的适应性,全面回顾现有应用,并批判性地分析其https://www.bilibili.com/read/cv40082244
4.(待补充)单细胞测序的基础知识单细胞测序umibarcode : 每一个单细胞的cDNA文库,就带上了独一无二的barcode了,barcode是用来区分细胞的,跟umi不同 umi:(UniqueMolecular Identifiers)是短序列,用于唯一标记样品库中的每个分子。UMI被广泛用于测序应用,大多关于DNA和cDNA的PCR重复。UMI去重复还可用于RNA-seq基因表达分析和其他定量测序方法。简而言之:UMI是唯一https://blog.csdn.net/weixin_46021869/article/details/115733190
5.单细胞测序barcode和umi10xBarcode是一段16nt的核苷酸序列,Barcode序列是用来标记细胞:在Barcode与细胞融合形成水凝珠之后,可以保证一个细胞的所有基因序列都带着相同的Barcode序列,也就可以认定这些序列来自同一个细胞。 UMI是一段12nt的核苷酸序列,每一个 mRNA,随机连上一个 UMI,因此可以计数不同的 UMI,最终计数 mRNA 的数量。 https://www.jianshu.com/p/1069caea25ed
6.哈佛大学单细胞课程笔记汇总(四)51CTO博客什么是doublets?简单的说就是两个细胞混在一起,可能发生在细胞捕获过程中,并且可能会误导认为是两种细胞类型的过渡态(transitory states),所以应该去除(单细胞预测Doublets软件包汇总-过渡态细胞是真的吗?)。 我们为什么不检查doublets呢?许多的工作流程都是通过设置UMI或genes的最大阈值进行的,其原理为大量的reads或基https://blog.51cto.com/u_16077014/6240505
7.什么是单细胞RNA测序?为了减少由于扩增引起的误差,人们在一些单细胞测序的步骤中增加了UMI(unique molecular identifiers),https://www.zhihu.com/question/627744256/answer/3449022328
8.UMIATACseq数据分析及植物单细胞ATACseq技术的探索为了能更深入地研究植物的生长发育过程,重塑细胞发育轨迹,亟待建立适用于植物领域中的单细胞ATAC-seq高通量实验平台。本研究以水稻(Oryza sativa L.)幼穗为实验材料,在普通ATAC-seq实验过程中引入了独特分子标签并设计了独特的Tn5接头,经优化的染色质可及性测序方法命名为UMI-ATAC-seq(Unique Molecular Identifiers,https://cdmd.cnki.com.cn/Article/CDMD-10504-1021883541.htm
9.CellRanger单细胞转录组分析教程(二)使用前注意事项Public但是前两个呢?哪一个是UMI+Barcode? 如何解释生成的这三个fastq文件 单细胞转录组数据和普通的bulk转录组还是不太一样,bulk结果一般就是R1、R2,很容易区分;10X单细胞数据比较特殊,它的测序文库中包括index、barcode、UMI和测序reads。 文章使用的是10X Genomics 3' Chromium v2.0 平台,那么就看一下它的帮助手册https://www.plob.org/article/20961.html
10.单细胞+分子标签!Takara推出全新单细胞测序试剂盒测序中国添加UMI也能构建高质量单细胞文库 对FACS分选的单个外周血单核细胞使用SSmRNA(不含UMI)或SSmRNA + UMIs生成测序文库,然后进行建库分析(使用CogentAP处理)。 结果显示,虽然添加UMIs,但两者的基因检测数和reads分布基本一致,也表明数据质量不受影响。 与Smart-seq2数据比较 https://www.shangyexinzhi.com/article/10935752.html
11.单细胞数据中到底应该如何处理线粒体基因腾讯云开发者社区一般我们建议卡到30%以内,当然还是要看这群细胞为什么会高。建议是不卡阈值直接做降维分群,然后按分群来看小提琴图,如果只有一个或几个细胞群有差异的线粒体转录上调和低总UMI计数,这个群最有可能代表一个死亡或频临死亡的细胞群。此时,再去不迟。 另外一点,我们注意到,cellranger3比cellRanger 2检测的MT(人的https://cloud.tencent.com/developer/article/1677922
12.10xGenomics平台单细胞RNASeq测序详解测序得到的原始数据我们称之为 Raw reads,之后我们会根据 10X Genomics单细胞RNA Seq独特的文库结构,对 Reads 的 Barcode 、UMI 和插入片段部分进行拆分,之后插入片段部分将比对到参考基因组,然后统计比对到各个区域的比例,并进行表达量统计;基于表达量的结果, 进行细胞时间轨迹预测,细胞聚类等分析,基于差异表达的结果https://www.magigen.com/h-nd-324-103_786.html
13.单细胞转录组测序–纯迅生物GEMs形成后,细胞在其中裂解,释放出mRNA,凝胶珠自动溶解释放大量barcode序列,利用PloyT引物捕获液滴中的mRNA。随后mRNA逆转录产生带有Barcode和UMI信息的cDNA,构建标准测序文库。 2.1 单细胞悬液制备 新鲜组织样本需要消化成单细胞悬液,对于培养的细胞或已经处于悬浮状态的细胞,需要对细胞洗涤以去除培养基。在进行单细胞https://www.chunxunbio.com/?page_id=153
14.科学网—冻存样品对单细胞测序影响大吗?在我们做单细胞分离过程中,导师千叮咛万嘱咐说样品不能冻存,而我在一次会议论坛上有一位学者直接说冻存基本没有影响,于是,我。。。母鸡。 2019年12月31日(真是抓住了2019的小尾巴!),英国Wellcome Sanger Institute研究团队于Genome Biology发表了题为scRNA-seq assessment of the human lung, spleen, and esophaghttps://wap.sciencenet.cn/home.php?mod=space&do=blog&id=1220237
15.聊聊单细胞实验那些事企业动态以上实验的顺利进行后,就到了分析步骤了(什么,建库、测序质控,哎呀啦,这写步骤不属于单细胞实验特有,其他只有涉及二代建库测序项目,都需要满足的条件,我们就不在此说明啦)。 说到上机测序,有一点需要强调的就是,10x单细胞文库与我们常见的文库不太一样,测序策略需要有所调整,进行测序前,我们需要与测序公司仔细沟通https://www.biomart.cn/news/16/3007246.htm
16.深入浅出解读单细胞转录组测序技术路线细胞标记是利用十多个碱基的核苷酸序列作为标签(Barcode),在单细胞微反应体系的逆转录过程中进行标记,同一个细胞内的所有转录本标记上相同的Barcode,这样在后续建库时能够混合操作,在数据分析层面也能够达到区分单细胞表达谱数据的目的,如STRT-seq[5]、CEL-seq[6]等。随着技术的升级,后来又引入了单细胞转录本UMI(http://m.yunbios.net/cn/h-nd-840.html
17.单细胞测序技术简述GEM形成后,细胞裂解,通过一系列反应构建文库,构建好的文库即可通过高通量测序仪测序获得序列信息,根据序列的BC可将序列分至一个个单细胞,根据UMI,可去除掉PCR扩增引入的重复,获得每个基因的准确表达量。具体建库流程如下:1)凝胶珠溶解释放大量barcode序列;2)随后mRNA逆转录产生带有Barcode和UMI信息的cDNA;3)油滴破碎,http://www.yyigou.com/cms/article/detail/1116.html
18.Nature重磅综述关于RNAseq,你想知道的都在这因为单细胞数据的扩增偏好更严重,UMI的使用对单细胞数据结果可靠性至关重要。当使用RNA-seq数据进行变异检测 (variant calling)时,UMIs也非常有用。高表达的转录本更容易达到适合变异检测的高覆盖率要求,尤其在考虑了重复reads时,而UMIs可用于移除PCR扩增引入的reads,从而校正等位基因频率的计算。UMIs已成为单细胞RNA-http://hcanhua.cn/nd.jsp?id=816