在单细胞水平上解剖大脑的复杂性

理解大脑需要深入了解它的组成部分。先进的单细胞测序技术使研究人员能够以前所未有的细节探索这一复杂而神秘器官的秘密。

人类的大脑和脊髓包含数十亿不同的细胞和连接，形成复杂的神经网络。研究大脑的组成部分是了解大脑如何运作的基本步骤，以及什么地方出了问题会导致疾病。

“大脑是非常复杂的，我们必须从分子水平开始了解它是如何工作的，”他说Jiaqian吴她是德克萨斯州麦戈文医学院UTHealth Houston的副教授。

通过测量数千到数百万个单个细胞的多个分子特征，单细胞测序可以全面表征脑细胞类型的多样性，并提供对不同细胞群之间关系的洞察。单细胞转录组学能够分析RNA分子的丰度和序列，而表观基因组学是DNA甲基化、组蛋白修饰、染色质可及性和染色体构象的全基因组图谱。

“我们可以对单个脑细胞进行条形码，并检查基因表达或表观遗传变化等，以了解每个细胞是如何被调节的，以及它们是如何对外部刺激做出反应的，”他说莎拉Marzi埃德蒙和莉莉·萨弗拉是伦敦帝国理工学院英国痴呆症研究所的研究员。

单细胞技术的实验和计算方法的迅速发展，为研究构成大脑的细胞之间和细胞内部的差异提供了新的见解——揭示细胞多样性，识别感兴趣的罕见亚群，发现单个细胞的独特特征。作为神经科学、计算生物学和系统生物学之间的桥梁，这些复杂的新工具掌握着探索健康和疾病中大脑内部回路的关键。

单细胞测序平台

中枢神经系统中最常见的两种细胞类型是神经元和神经胶质细胞，前者负责发送和接收电信号和化学信号，后者是神经元健康功能所必需的。这些不同的细胞类型被进一步划分为额外的子类。但尽管最近取得了进展，目前对脑细胞类型仍缺乏一个完整的共识或分类．

“大脑由许多不同类型的细胞组成，它们的功能迥然不同，”马尔齐说。“了解细胞的身份需要分子分析来揭示细胞之间的微小区别。”

在过去，人们仅限于分析整个组织样本。虽然这些“批量测序”方法可以提供有价值的信息，但它们并不能揭示整个故事。

Wu说:“因为有这么多不同的细胞类型，分子信号在整个细胞群中被平均掉了。”“更新的单细胞技术允许对单个细胞水平上发生的事情进行更细致的检查。我们使用计算方法根据细胞的分子特征将细胞聚类为不同的细胞亚型。”

单细胞测序技术为研究人员在单个细胞水平上提取基因组、转录组或表观基因组信息提供了强大的工具。在过去的十年中，技术的进步使可研究的细胞数量呈指数级增长，从而使科学家能够研究在一次实验中分析了数十万个细胞．其中许多分析都集中在使用RNA测序检测单个细胞内的基因活性(RNA-seq) -但与批量方法相比，仍有一些缺点。

“大多数单细胞技术的灵敏度仍然低于批量测序方法，”Wu解释说。例如，我感兴趣的是长非编码rna这是一种非常重要的调控RNA，但如果它们的表达水平很低，我们可能不会捕获那么多这类分子。”

前所未有的机遇

在大多数单细胞测序实验中，第一步也是最重要的一步是从组织样本中分离单个细胞。虽然这些方法可以揭示基于共同分子特征的细胞关系，但它们不能提供任何关于细胞在组织中是如何相互组织的信息。但开创性的空间分辨转录组方法将彻底改变对细胞如何在微环境中以3D方式组装的理解。

“这些新方法令人难以置信地兴奋，但仍有一些改进的空间，”吴说。

现在，即使是分辨率最高的方法也能在一个组织中实现大约3到5个细胞的分辨率，因此在单细胞水平上解开这些分子信号的来源仍然具有挑战性。克服这些遗留的技术障碍将为研究人员提供大量的新机会，以便在脑组织的空间背景下绘制基因表达图，以及测量酶的过程和细胞之间、基因之间和蛋白质之间的相互作用。

“研究血脑屏障是一个重要的例子，”Marzi设想道。“当它们对大脑中的病理变化做出反应时，或者当它们发生病理反应时，屏障变得可穿透时，你需要这种空间分辨率来判断哪些细胞层在哪些细胞层上，以及这些细胞中发生了什么。”

Multiomics分析

研究人员正在使用更全面的方法从单个脑细胞中获取日益丰富的信息。其中许多方法将RNA-seq与表观遗传学方法结合起来——例如通过测序检测转座酶可达染色质(ATAC-Seq)，以及通过大规模并行测序检测染色质免疫沉淀(ChIP-Seq)——以同时捕获关于基因表达的多组学信息，以及关于基因如何在单细胞水平上调控的线索。但是，虽然结合单细胞技术为探索大脑的复杂性提供了独特的机会，但它在整合和解释生成的大量多个数据集方面带来了计算挑战。

Wu的实验室结合了神经科学、干细胞生物学和系统生物学，涉及基因组学、生物信息学和功能分析，以揭示大脑和脊髓中的基因转录和调节机制。

Wu解释说:“我们正在使用单细胞测序方法研究基因表达和调控，并整合不同的数据集以获得更全面的了解。”我的实验室是自给自足的——我们分为两部分;一半是湿实验室，另一半是干实验室。我们已经建立了自己的生物信息学管道，以分析不同类型的数据并理解它们。”

Marzi的实验室使用湿法和计算基因组学方法相结合的方法来了解阿尔茨海默病和帕金森病的环境和遗传风险因素的调节后果，这两种都是神经退行性疾病。

她解释说:“这是一个你需要使用大量数据科学和定量方法来学习新事物的领域——因为我们正在创建的数据集如此庞大和复杂，你需要应用可靠的统计方法来分析它。”

鉴于机器学习技术的显著进步，这种技术目前也被用于单细胞分析克服挑战并更有效地利用其成果-迄今为止取得了令人鼓舞的成果。

开创了神经科学的新纪元

自第一个单细胞RNA-seq研究发表于2009年在美国，在生物医学研究领域开展此类研究的数量激增，神经科学领域也不例外。新的单细胞测序技术开始揭示脑细胞类型多样性的全面图景，并预计在未来几年推动对这一复杂器官的理解取得巨大进展。

科学家们正在应用这些方法来创建大脑中每一种细胞类型的详细图谱——从发育到成年。例如，最近的一项研究在发育中的人类大脑区域进行了RNA-seq，以提供一个大脑和皮层发育早期阶段的综合分子和空间分析。另一个应用全脑空间转录组学来推断成年小鼠大脑的分子图谱．这些资源对于研究正常大脑发育和疾病病理的研究人员来说非常有价值。

“单细胞疗法真的很强大，”Marzi说。“它们为我们提供了工具，以确定不健康细胞反应背后的关键因素，并找到改变它们的方法。”