单细胞转录组测序技术在心脏发育、疾病以及医学中的 应用

单细胞转录组测序(Single-cell RNA sequencing,scRNA-seq)可以在单细胞水平描绘出每个细胞同一基因的表达量在不同细胞间的表达水平差异,使得在单细胞水平重新认识各种组织器官成为可能.目前对心脏的测序研究正从传统的普通转录组水平过渡到单细胞水平,对小鼠和人的心脏的测序陆续地发表出来.概述了s...     

单细胞转录组测序技术及在哺乳动物上的应用

哺乳动物的器官是由多种细胞类型组成,它们通过细胞间的相互作用来发出信号,以维持体内平衡和确保机体发育。传统转录组测序是以大量细胞或组织为研究样本,反映的是细胞总体上转录组特征,不能分析单个细胞的基因表达情况,而单细胞RNA测序(single-cell RNA sequencing,scRNA-seq)技术的发展为揭示单个细胞转录组特征提供了有效方法。本文通过对scRNA-seq平台、scRNA-seq主要技术类型及scRNA-seq在哺乳动物上的应用展开综述。     

单细胞RNA测序技术在病毒研究中的应用

单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)技术已经成为不同领域中研究细胞异质性的有效工具。在病毒研究领域中,利用该技术分析病毒和细胞的转录组,可以在单细胞水平上检测病毒感染的动态变化,了解病毒与细胞间复杂的相互作用。本文简述了scRNA-seq技术,着重介绍病毒感染宿主细胞后scRNA-seq研究的最新进展,同时也描述了细胞周期、基因表达、细胞状态等细胞异质性对病毒感染过程的影响,以及病毒变异对其本身感染过程的影响。此外,本文还分析了scRNA-seq在研究病毒–宿主互作动态变化方面具有的独特优势,及其在病毒研究领域中广阔的应用前景,为揭示病毒的感染与致病机制、抗病毒靶标的开发等提供参考。     

单细胞转录组数据批次效应评测的研究进展

单细胞转录组测序(Single cell RNA sequencing,ScRNA seq)是一种变革性的生物技术,以前所未有的高分辨率来解析组织复杂性,解决了普通转录组测序(Bulk RNA sequencing)无法回答的问题。但单细胞数据的高通量及复杂性给分析带来极大难度,批次效应(Batch effects,BEs)的处理便是主要挑战之一。批次效应是高通量生物数据分析中的技术性偏倚,其来源及处理具有高复杂性和研究依赖性。根据组织类型、测序技术及实验设计的不同,测序数据需采用不同的评估、分析、测量及处置流程来实现有效的批次效应处理。评测批次效应在单细胞数据分析中极易被忽略,但却有助于判断批次效应的来源、对数据变异的解释度、对数据分析结果的影响度及处理方法,是有效处理批次效应的基础。因此,本篇综述聚焦单细胞转录组数据的批次效应,分别论述批次效应的概念、与普通转录组批次效应的区别、评测方法及面临的挑战,并对未来发展做出展望。     

单细胞转录组测序技术在细胞分类中的应用

多细胞有机体的细胞类型多且复杂,细胞间普遍存在异质性。目前,单细胞转录组测序(single-cell RNA sequencing,scRNA-seq)技术是一项新兴的研究单个细胞转录水平的技术,其从数千个平行的细胞中生成转录谱,揭示个体细胞基因组的差异性表达,反映细胞间的异质性,从而鉴定出不同细胞类型,形成组织或器官的细胞图谱,在生物和临床医学等领域发挥重要作用。该文在对scRNA-seq测序平台进行阐述和比较的基础上,着重介绍其在神经系统和免疫系统细胞类型探索中的应用,并且总结scRNA-seq与空间转录组技术相结合的研究成果。     

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D11₁、D12₁、DW61₂和DW99₂)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D11₁、D12₁、DW61₂和DW99₂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...     

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.     

单细胞转录组测序数据的细胞类型识别方法比较

单细胞转录组测序技术提供单个细胞分辨率的基因表达谱,有助于更准确地揭示细胞异质性。聚类是识别生物组织中细胞类型的主要方法,选择合适的聚类算法可以提升单细胞转录组测序数据分析的性能。本文阐述了k-means、层次聚类(hierarchical clustering, HC)、 Leiden、 SC3、 SCENA、 LAK、 SIMLR和dropClust等8种典型的单细胞聚类算法,在12个带有真实标签的单细胞转录组测序数据集上进行聚类比较分析。采用轮廓系数、 Calinski-Harabasz指数、调整兰德指数、调整互信息、 FMI指数、 V-measure、 Jaccard系数和变异系数等8个评价指标,对8种聚类算法的性能进行分析评价。根据实验结果,发现HC、 SC3、k-means、 SCENA的聚类泛用性与鲁棒性最佳,在大规模数据集上SIMLR算法表现最好;在小规模数据集上Leiden算法表现最好,但是存在依赖邻居节点参数和稳定性低的问题;dropClust算法在泛用性和鲁棒性上最差。此外,8种聚类方法的性能都与数据质量有关,当数据的变异系数较低时,聚类算法的评分指标普遍增高,反...     

单细胞转录组测序数据分析算法在干细胞研究中的应用

细胞的转录组决定其生理状态,每个细胞的转录组都是唯一的。借助单细胞转录组测序可分析单个干细胞的转录组特征,通过进一步的运算方法可以根据转录组特征对细胞进行细胞状态测定以及系谱分化特征的重建,在干细胞及组织发育研究中发挥了强大的作用,推动了其快速发展,加速了对干细胞分化及组织发育的相关过程及调控路径的认识。尤其是在干细胞领域的应用,得益于新算法的发展,单细胞转录组测序分析可用来阐述干细胞的起源、异质性,尤其是对干细胞的分化过程进行连续观察。本文主要对应用于干细胞分化相关研究的单细胞转录组测序数据新的算法及其应用进行了综述。     

植物单细胞转录组测序研究进展

单细胞转录组测序是一种在单细胞水平上研究基因表达的技术.多孔板法和液滴法是目前应用于植物研究的两类主要的单细胞转录组技术.首先概述了植物单细胞转录组测序的技术原理和数据分析流程,然后介绍了植物单细胞转录组的研究进展,重点阐述了单细胞转录组测序技术在鉴定植物细胞类型、揭示细胞演化轨迹和构建细胞间调控网络中的应用.单细胞转...     

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cDNA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。     

结合基因表达数据和ChIP-chip数据的酵母转录调控模块的识别

活细胞依赖其众多的转录调控模块来实现复杂的生物功能,识别转录调控模块对深入理解细胞的功能及其转录机制有着重要的意义。本文结合酵母基因表达数据和ChIP-chip数据,提出了一种转录调控模块识别算法。该算法通过采用不同的P值阈值分别得到了核心集和粗糙集,然后对核心集和粗糙集进行判别,最后对基因进行扩展之后得到基因转录调控模块。将该算法运用到两个酵母基因表达数据中,得到了一些具有显著生物学意义的基因转录调控模块。与其它算法相比,该算法不仅可以识别含有较多基因的转录调控模块,而且可以识别一些其它算法不能识别的基因转录调控模块。识别得到的基因转录调控模块有着不同的生物学功能,并且有助于进一步理解酵母的转录调控机制。     

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。     

细菌转录起始调控机制*

原核生物同一种群的每个细胞都是和外界环境直接接触的,它们主要通过开启或关闭某些基因的表达来适应环境条件。所以,环境因子往往是调控的效应因子,必须严格调控转录来确保细胞对环境改变做出有效且充分的反应。原核生物基因的表达受多种因素的调控,而对于大多数细菌来说,调控基因表达的关键步骤是启动子识别和RNA聚合酶启动转录。在细菌的细胞中,可以通过调节RNA聚合酶的活性以及改变RNA聚合酶对启动子的结合来优化基因的转录过程以适应不同环境变化。总结了目前已发现的参与细菌细胞转录调节的各类因子,从这些因子对启动子的作用、RNA聚合酶的作用以及两者的相互作用等方面阐述它们调控基因表达的分子机制。总结多种基因调控的作用,加深对转录起始过程的认识,希望能对未来调控转录起始过程来实现目标基因的高效表达和不利基因的抑制表达提供思路,为以后的工业菌株改造提供依据。     

脊髓损伤机制研究的生物信息学分析

用生物信息学方法筛选参与脊髓损伤(spinal cord injury, SCI)发展过程的关键分子和通路,可为脊髓损伤发展机制的研究提供指导。从GEO数据库下载基因芯片数据,并将数据集中的样本分为脊髓损伤组(SCI组)和正常组(normal组)。应用R语言处理来自不同数据集样本间的批次效应,同时对基因芯片的表达数据进行标准化处理,并通过PCA分析监测标准化处理后数据的质量。应用R语言中的limma包分析标准化后的基因表达矩阵,以得到差异基因。将差异基因导入DAVID数据库进行GO (gene ontology)分析,并通过KEGG数据库进行通路分析。然后应用STRING数据库构建PPI网络,并通过Cytoscape中的cytoHubba插件分析得到10个hub基因。最后应用箱式图监测hub基因在不同样本中的表达,并用GeneCards数据库查询hub基因的功能。此外,为了补充差异基因筛选的不足,通过R语言对基因表达矩阵进行了GSEA (gene set enrichment analysis)分析。结果显示:TYROBP、ITGB2、PTPRC和FCER1G等基因在脊髓损伤发展过程中发挥重要的作用;细胞外基质的炎症反应、葡糖醛酸基转移酶活性的变化和星形胶质细胞的迁移等与脊髓损伤的发展机制关系密切; TNF信号通路、NF-κB信号通路和p53信号通路在脊髓损伤的发展机制中发挥重要的作用。这些关键的分子和通路在脊髓损伤中的作用值得我们进行更深入的探讨。     

基于单细胞转录组的多级别胶质瘤异质性及免疫微环境分析揭示了潜在的预后生物标志物

脑胶质瘤(glioma)是中枢神经系统最常见的内在肿瘤,具有发病率高、预后较差等特点。本研究旨在鉴定多形性胶质母细胞瘤(glioblastoma multiforme,GBM)和低级别胶质瘤(lower-grade gliomas, LGG)之间的差异表达基因(differentially expressed genes, DEGs),以探讨不同级别胶质瘤的预后影响因素。从NCBI基因表达综合数据库中收集了胶质瘤的单细胞转录组测序数据,其中包括来自3个数据集的共29 097个细胞样本。对于不同分级的人脑胶质瘤进行分析,经过滤得到21 071个细胞,通过基因本体分析、京都基因与基因组百科全书途径分析,从差异表达基因中筛选出70个基因,我们通过查阅文献,聚焦到delta样典型Notch配体3 (delta like canonical Notch ligand 3,DLL3)这个基因。基于TCGA的基因表达谱交互分析(gene expression profiling interactive analysis, GEPIA)数据库用于探索LGG和GBM中DLL3基因的表达差异,采用基因表达...     

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。     

基于单细胞转录组的视网膜母细胞瘤进展特征分析

视网膜母细胞瘤（retinoblastoma,RB）是婴幼儿最常见的眼内恶性肿瘤。在RB进展过程中的关键致病因素目前尚不十分清楚。因此,识别与RB进展密切相关的基因能为病情诊断及基因治疗提供重要信息。然而,肿瘤组织具有很强的细胞异质性,不同病理状态下的细胞,其功能及基因表达都可能呈现显著的差异。本研究从公共基因表达数据库（gene expression omnibus,GEO）下载了1例4个月肿瘤患者和1例2年患者的肿瘤及癌旁组织的单细胞转录组测序数据,从单细胞水平解析不同患病时长的RB肿瘤转录图谱,鉴定与RB进展有潜在关联的细胞亚群及基因集。结果显示,肿瘤组织与癌旁组织在单细胞转录图谱上具有整体的一致性,但视锥前体G1期细胞群、G2期细胞群以及小胶质细胞群在肿瘤与癌旁组织中的分布比例存在明显差异。进一步分析了这3种细胞群在RB肿瘤进展过程中的作用。研究发现,在RB肿瘤的早期阶段,视锥前体细胞在G1期异常增殖,随着RB肿瘤的进展,视锥前体G2期细胞比例显著增加。同时,RB进展过程的小胶质细胞群差异分析结果显示,主要参与免疫应答的关键基因包括RPL23、B2M、HLA家族基因。本研究可为RB发病机制及进展研究提供更多新视角和数据资源。     

小鼠不同脑区星形胶质细胞小分子诱导转分化和基因表达差异的研究

该文旨在比较小分子化合物诱导小鼠不同脑区星形胶质细胞向神经元转分化的特性,并利用转录组测序技术分析小鼠不同脑区星形胶质细胞的基因表达差异。以新生小鼠皮层和海马的星形胶质细胞作为起始细胞,通过小分子化合物VCR诱导其向神经元转分化,利用免疫荧光染色检测转分化过程中细胞形态的变化以及神经元的比例,通过转录组测序比较两种星形胶质细胞的基因表达差异,并对差异基因进行荧光定量PCR验证及GO富集分析。结果表明,皮层星形胶质细胞经VCR诱导转分化为神经元的能力要显著优于海马星形胶质细胞;转录组测序发现,两种星形胶质细胞有12 658个基因存在差异表达,GO分析结果表明,在皮层星形胶质细胞中高表达的基因更多地参与细胞分裂的过程,推测差异显著基因GAD2、EYA2、GSX2、INSM1以及GNG3是与转分化相关的基因。该研究对星形胶质细胞向神经元转分化的机制研究具有借鉴意义。     

转录组与蛋白质组整合分析在生物学研究中的应用

在一个有机生物体中,基因表达的主要环节包括转录和蛋白质合成,mRNA是基因表达的中间体,蛋白质是基因功能的执行体。要了解具体的基因表达调控过程,需要对mRNA和蛋白进行同步监测,通过比较蛋白质组学和转录组学的数据,在转录水平和蛋白水平上整合分析,将两者联系起来。理论上讲,从生长条件和状态相同的细胞、组织或器官获得的转录组与蛋白质组数据之间应该具有较高的相关性,然而大量文献报道了转录组和蛋白质组的表达趋势不相关甚至负相关的情况。综述了转录组和蛋白组测序技术的原理、特点,转录组和蛋白组整合分析的优势,以及其在动物、植物和微生物研究中的应用,同时分析造成基因转录水平和蛋白水平表达趋势不一致的原因,为分子生物学和多组学研究提供一定的参考。