单细胞基因表达分析技术在神经科学研究中的应用

单细胞的分子生物学是神经科学中较新的领域,研究对象包括单细胞DNA、RNA、蛋白质和线粒体DNA。单细胞基因表达分析技术具有传统技术难以相比的优势,正成为神经科学研究的重要工具。本文将介绍单细胞基因表达分析技术的操作流程、技术和方法的特点,概述其在神经科学研究中的应用,并展望其应用前景。     

猪耳成纤维细胞转录组异质性及对核移植胚胎发育的潜在影响

同一来源的供体细胞之间存在异质性。许多研究已经表明体细胞核移植(somatic cell nuclear transfer, SCNT)效率与供体细胞有关。然而,鲜有在单细胞水平分析供体细胞异质性对核移植效率的潜在影响。本研究利用单细胞转录组测序技术对同一来源且随机挑选的52个猪耳组织成纤维细胞进行测序分析。结果表明有48个单细胞的基因表达模式相似,4个单细胞(编号为D11_1、D12_1、DW61_2和DW99_2)的基因表达模式与其他单细胞存在较大的差异,并且不存在基因表达模式完全相同的两个单细胞。以基因表达模式相似的48个单细胞作为对照,进一步分析了单细胞D11_1、D12_1、DW61_2和DW99_2的差异基因表达模式:首先利用R语言筛选4个单细胞的差异表达基因,并对前50差异表达基因进行汇总;然后对差异表达基因进行GO富集分析和KEGG通路分析。富集分析发现差异表达基因的主要分子功能包括能量代谢、蛋白质代谢和细胞对刺激的反应等;主要通路包括KEGG中富集的与细胞周期、细胞代谢、DNA复制相关的通路。根据以上研究结果并结合SCNT研究进展讨论了4个单细胞的差异基因表达模式对核移植胚胎发育效率的潜在影响。本研究揭示了猪耳组织成纤维细胞的转录组异质性,并提供了分析精英供体细胞的一种有效方法,为提高克隆效率带来新的思路。     

单细胞转录组分析研究进展

目前常规的转录组分析方法无法揭示单个细胞之间基因表达的异质性,也难以对极少量细胞进行分析,单细胞转录组分析技术为此提供了有效的研究工具。对单细胞转录组分析技术的历史、发展、策略、方法和应用进行综述。     

基于单细胞转录组数据解析大鼠背根神经节在出生后发育中非神经元细胞变化特征

背根神经节(dorsal root ganglia,DRG)是重要的外周神经系统组成部分,是外周感觉传入中枢的枢纽。背根神经节在发育过程中神经元细胞及其基因表达的动态变化已有研究进行过单细胞转录组的解析,而关于非神经元细胞的动态变化尚无系统研究。为了探究出生后不同发育时间点大鼠DRG内非神经元细胞的变化,本研究选取10只7日龄(7 day,7D)大鼠的DRG和3只3月龄(3 month,3M)大鼠的DRG,制备单细胞悬液,使用10×Genomics平台进行测序,从单细胞水平解析了出生后发育中DRG非神经元细胞的转录图谱。结果表明,7D和3M各类非神经元细胞在细胞数目的分布比例上存在显著差异性。对拥有4个亚型的施旺细胞整体进行拟时分析,Ⅱ型施旺细胞是最早出现的施旺细胞亚型,Ⅲ型和Ⅳ型施旺细胞出现较晚。进一步对2个不同发育时间点细胞占比数差异显著的Ⅳ型施旺细胞进行了基因本体(gene ontology,GO)和京都基因与基因组百科全书(Kyoto encylopaedia of genes and genomes,KEGG)通路富集分析。从7D到3M的差异基因的GO分析结果表明,Ⅳ型施旺细胞的状态逐渐趋于稳定。KEGG分析结果发现酪氨酸代谢通路的显著上调影响了细胞内的信号转导,进而影响了细胞稳态的维持。从7D到3M,基因Col3a1、Col4a1显著下调,且与细胞外基质的构建密切相关,这表明Ⅳ型施旺细胞的细胞基质环境随着发育过程趋于稳定。上述结果提示Ⅳ型施旺细胞是一类趋于成熟且维持施旺细胞稳态的细胞。本研究关于DRG在发育过程中细胞类型和基因表达差异的分析结果为躯体感觉在发育过程中成熟机制的研究提供了重要参考信息。     

单细胞 PCR 技术及其应用

单细胞PCR技术是从生命的基本单位——细胞水平上进行DNA或RNA分析的PCR方法。它为在单细胞水平上进行产前诊断、基因表达和DNA测序等领域的研究提供了简便而快捷的方法。随着该技术的不断改进和与芯片实验室技术的结合,单细胞PCR在生命科学研究中将发挥更大的作用。     

图神经网络在单细胞测序数据上的研究进展

单细胞测序技术使得科研人员能够以细胞级别的分辨率进行基因表达数据分析，以此发现组织(如肿瘤组织或器官组织)中具有异质性的细胞。这项技术对癌症病理学的研究、生命发育过程的探索等起到了重大推动作用。单细胞测序数据有着样本量大、特征多且稀疏的特点，因此近些年一些研究工作尝试使用图神经网络进行单细胞测序数据的挖掘。这些研究工作一般先根据细胞内的基因表达信息将单细胞测序数据转化为细胞图结构，然后使用图神经网络聚合细胞间邻域信息来进行细胞表示学习，并在细胞聚类任务和细胞类型标注任务上取得了很好的效果。本文旨在介绍图神经网络在单细胞测序数据挖掘上的研究进展，并设计实验展示scGNN、scGCN和scDeepSort三个主流的用于单细胞测序数据的图神经网络模型的性能。最后，结合研究进展与实验分析，本文对图神经网络处理单细胞测序数据这一领域的未来研究方向进行了展望，以促进图神经网络更好地服务于单细胞测序数据的挖掘。     

单细胞转录组技术及其在人类细胞图谱构建中的应用

单细胞转录组技术在单细胞水平上进行转录组测序,提供了单个细胞的基因表达差异信息,使在单细胞尺度下研究个体细胞、相关环境细胞及其相互作用的机理成为可能.近年来,单细胞转录组技术在c DNA扩增原理上经历了从末端加尾、体外逆转录到模板置换的方法发展,大大提高了基因检测的数量、基因表达的准确性等.同时,在单细胞选取方式上进行了从96/384孔板到油包水液滴以及纳米微孔的创新,在提高通量和重复性的同时降低了整体实验成本.单细胞转录组技术广泛应用于细胞群体分类和异质性研究,推动了从发育生物学到正常、病态组织细胞图谱的构建.本文对单细胞转录组技术近年的技术进展以及在人类细胞图谱构建中的应用进行了综述.     

科研快讯

<正>Science:单细胞分析?并行测序技术可以近日,一项发表于国际杂志Science上的研究论文中,来自美国的研究者描述了一种新型的大规模并行技术,通过利用新一代测序技术来在单细胞水平上实现对基因表达的监测;研究者表示,单细胞分析对于理解人类造血系统的必要性及重要性不断凸显,如果没有这种分析的话,来自少许细胞的大量表达改变就和来自许多细胞的小型表达改变就会变得一样没有差别。     

单细胞测序技术及应用进展

同一组织中的细胞往往被认为是具有相同状态的功能单位,传统的检测手段分析的是细胞群体的总体平均反应。然而通过对单个细胞的DNA或RNA进行测序,表明组织系统层面的功能是由异质性细胞构成的。单细胞测序以单个细胞为单位,通过全基因组或转录组扩增,进行高通量测序,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。单细胞测序的难点是单个细胞的分离、单细胞基因组和转录组的扩增。本文主要介绍和分析了单细胞测序技术中常用的单细胞分离技术、单细胞基因组扩增技术和转录组扩增技术及其优缺点,并对当前已经取得成果的应用领域进行了阐述,为单细胞测序技术的研究与应用提供参考。     

单细胞转录组高通量测序分析新进展

细胞异质性是生物组织的普遍特征。常规转录组测序(RNA-Seq)技术需要上万个细胞,所测结果实际上是一群细胞基因表达的平均值,所以难以鉴别细胞之间基因表达的异质性。单细胞RNA-Seq技术的分辨率精确至单个细胞,为辨别异质性群体中各种细胞类型的转录组特征提供了有力的工具。近年来单细胞RNA-Seq技术发展迅速,在方法学上包括c DNA扩增方法的多样化、对灵敏度和技术噪声的定量分析、浅覆盖高通量单细胞RNA-Seq方法和原位RNA-Seq技术等;在技术应用方面应用范围从早期胚胎发育扩大到组织器官发育、免疫和肿瘤等多个领域。文章对单细胞RNA-Seq在方法学和技术应用两方面的研究进展进行了详细阐述。