我们已经更新我们的隐私政策使它更加清晰我们如何使用您的个人资料。

我们使用cookie来提供更好的体验。你可以阅读我们的饼干的政策在这里。

广告

解剖大脑在单细胞水平上的复杂性


希望这篇文章的一个免费的PDF版本吗?

完成下面的表格,我们将电子邮件您的PDF版本“大脑解剖的复杂性在单细胞水平上”

听与
喋喋不休地说
0:00
注册免费听这篇文章
谢谢你!听这篇文章使用上面的球员。
阅读时间:

理解大脑需要一个深入了解它的组件。先进的单细胞测序技术使研究人员探索这个复杂而神秘的秘密机关以前所未有的细节。


人类的大脑和脊髓包含数十亿不同的细胞和连接,形成错综复杂的神经网络。研究大脑的积木是一项基本一步了解它的功能所出现的错误,导致疾病。


“大脑是非常复杂的,我们不得不开始在分子水平上了解它是如何工作的,”说Jiaqian吴副教授UTHealth休斯顿,德克萨斯州麦戈文医学院。


通过测量多个分子签名数以千计数以百万计的单个细胞,单细胞测序可以全面描述大脑细胞类型的多样性,并提供洞察不同的细胞数量之间的关系。单细胞转录组使RNA分子的数量和序列的分析,而表观基因组学是全基因组DNA甲基化的映射,染色质组蛋白蛋白质改性,可访问性和染色体构象。


“我们可以条形码个别脑细胞和检查基因表达或表观遗传变化理解每个细胞是如何监管和他们如何应对外部的刺激,”说莎拉Marzi,爱德蒙和莉莉-英国研究员痴呆伦敦帝国理工学院研究所。


快速单细胞技术的实验和计算方法的发展提供新的见解差异和细胞内的大脑,揭示细胞多样性、识别感兴趣的罕见的亚种群和发现单个细胞的独特特征。作为神经科学之间的一座桥梁,计算生物学和系统生物学,这些复杂的新工具的关键探索大脑的内部电路在健康和疾病。

单细胞测序平台

两种最常见的细胞类型在中枢神经系统神经元,发送和接收电和化学信号和神经胶质细胞,这对于神经元的健康功能是必要的。这些不同的细胞类型然后进一步划分为额外的子类。但是,尽管最近的进展,仍然缺乏一个完整的共识或大脑细胞类型的分类


“大脑是由许多不同的细胞类型,填补截然不同的功能,“Marzi说。“理解细胞的身份要求分子分析揭示小细胞之间的区别。”


在过去,人们仅限于分析整个组织样本。虽然这些散装测序的方法可以提供有价值的信息,他们不显示整个故事。


“因为有太多不同的细胞类型,平均分子信号在细胞的人口,”Wu说。“新单细胞技术允许一个更细粒度检查发生了什么在单个细胞水平。我们使用计算方法集群细胞到不同的细胞亚型根据他们的分子签名。”


单细胞测序技术是为研究人员提供强大的工具来提取基因组、转录组或外遗传性信息在单个细胞水平。在过去的十年中,技术的进步推动了指数增加细胞的数量,可以研究,使分析成千上万的细胞在一个单一的实验。这些分析的重点是研究单个细胞内基因活动使用RNA序列(RNA-seq),但大部分方法相比仍存在一些缺点。


“大多数单细胞技术还有比散装测序方法的敏感性较低,“吴解释道。“比如,我感兴趣的长非编码rna,这是一种非常重要的监管RNA,但是我们不可能抓住尽可能多的这些类型的分子如果他们表示在低水平”。

前所未有的机遇

第一和最单细胞测序实验最重要的一步是孤立的单个细胞组织样本。虽然这种方法可以阐明细胞基于共同的分子特征的关系,他们不提供任何信息关于细胞组织相对于彼此在一个组织。但开创性的空间解决转录组的方法将彻底改变的理解如何在其微环境细胞聚集在3 d。


“这些新方法是令人难以置信的,但仍有一些改进的余地,”Wu说。


即使是最高度的解决方法可以达到解决可能在三到五个细胞在一个组织——所以理清这些分子信号来自哪里在单细胞水平上仍具有挑战性。克服这些剩余的技术壁垒将打开一个新机会的财富研究人员绘制大脑组织的基因表达在空间环境中——以及酶促过程进行测量和细胞之间的相互作用,基因和蛋白质之间。


“研究血脑屏障是一个重要的例子,”设想Marzi。“你需要空间分辨率的细胞层上和发生了什么在这些细胞反应大脑病变——或者他们开发病理学和障碍变得穿透。”

Multiomics分析

研究人员用更全面的方法捕捉从单个脑细胞越来越丰富的信息。许多这些RNA-seq与表观遗传学相结合的方法——比如分析transposase-accessible染色质进行排序(ATAC-Seq),染色质免疫沉淀反应和大规模并行测序(ChIP-Seq)——同时捕获multiomics基因表达的信息和线索如何监管在单细胞水平上基因。虽然结合单细胞技术提供了独一无二的机会探索大脑的复杂性,它创建计算挑战在整合多个数据集生成和解释的。


吴的实验室结合神经科学、干细胞生物学和系统生物学包括基因组学、生物信息学和功能化验解开基因转录和监管机制在大脑和脊髓。


“我们研究基因表达和调控使用单细胞测序方法,集成不同的数据集来得到一个更全面的理解,“吴解释道。我的实验室是自给自足,我们分成两半;一半是湿的实验室,另一个是干实验室。我们已经建立了自己的生物信息学分析管道的不同类型的数据和有意义。”


Marzi的实验室使用湿和计算基因组学方法的组合来理解环境和遗传的监管后果风险因素对阿尔茨海默氏症和帕金森氏症,神经退行性疾病。


“这是一个领域,你需要使用大量的数据科学和定量方法学习新事物——因为我们创造如此巨大和复杂的数据集需要坚实的统计方法应用于分析它,”她解释说。


考虑到机器学习技术的显著进步,这些技术也正在为单细胞分析介绍要克服的挑战和更有效的利用其结果——令人鼓舞的结果。

驾驶神经科学的一个新时代

第一个单细胞RNA-seq研究发表在2009年爆炸,开展这样的研究在生物医学研究和神经科学领域也不例外。小说单细胞测序技术已经开始揭开大脑细胞的综合景观类型多样性,预计开巨大的进步在理解这个复杂的器官在未来几年。


科学家们应用这些方法来创建详细的地图的每一个细胞类型的大脑——跨越时间从开发到成年。例如,最近的一项研究执行RNA-seq跨区域发展中人类大脑提供全面的分子和空间分析的大脑和大脑皮层发育的早期阶段。另一个应用整个大脑空间转录组来演绎分子图谱的成年老鼠的大脑。这些资源将会非常有价值的研究大脑正常发育和疾病的病理变化。


“单细胞的方法真的很强大,“Marzi说。“他们为我们提供的工具来识别不健康的细胞反应,背后的关键球员,设法改变他们。”

满足作者
艾莉森·哈利迪博士
艾莉森·哈利迪博士
广告
Baidu