单细胞分析

人类基因组计划给了我们一个令人难以置信的基础的理解我们的潜在遗传曲目。为了理解实际的角色的特定基因疾病,然而,它不仅是识别的关键基因,但也知道细胞基因表达和当。

“遗传学已经非常善于发现与疾病相关的遗传变异。从生物遗传结果的理解疾病是下一个重要的挑战,”说,史蒂夫McCarroll Broad研究所成员,还导演斯坦利遗传学的精神病学研究中心广泛和哈佛大学医学院的遗传学助理教授。

这些生物见解的关键是能够分析单个细胞在健康和疾病的作用。新的单细胞技术的进步和计算分析被研究人员广泛支持的研究规模,放松,和负担能力不可能,打开门的应用程序越来越接近临床。

技术序列和分析基因表达在一个细胞——其转录组——在仅仅几年急剧加速。2012年,广泛的核心特拉维夫Regev协会成员和他的同事发表了一份具有里程碑意义的分析从18个细胞组成的数据。去年,他们把这个分析几百个细胞。尽管这种增长,获得单细胞分析所涉及的成本和时间限制为测序准备数以百计的单个细胞。

Regev McCarroll,和他的同事试图改变这种状况。“我们希望能够图表在人体内许多细胞类型,人类疾病,和许多州和条件,他们会认为,“雷格夫说。”这意味着分析数以百万计的细胞,需要一个激进的改变可用的技术,每一个细胞都必须物理上互相孤立的一个塑料盘或设备。”

为了做到这一点,斯坦利中心研究员埃文Macosko, McCarroll的实验室,和卡拉曼细胞天文台博士后Anindita巴苏,从Regev的实验室和准会员David Weitz一起工作,与其他广泛的同事,包括计算生物学家詹姆斯•Nemesh和麻省理工学院的助理教授和广泛的Alex Shalek准会员开发的方法,他们叫Drop-Seq,斯坦利精神病学研究中心的慷慨资助,卡拉曼细胞天文台,西蒙斯的社会中心的大脑,大脑,最近,倡议。在细胞,Drop-Seq需要成千上万的单个细胞分离组织和每一个微小的,混合DNA-barcoded microbead nanoliter-sized滴。一旦在滴,细胞分解及其信使核糖核酸(mRNA) microbead捕获。信使rna / microbead复杂的称为邮票,为单细胞转录组微粒子。然后检索mRNA和转换成DNA,这是放大并测序。成千上万的邮票(对应于成千上万的细胞)可以在一个测序反应。邮票条形码可以用来确定每个记录的细胞。

跟踪每个细胞在这种新技术是至关重要的。“我们正在取代井在微量滴定板下降,”韦茨说,多年来曾与他的团队发展单细胞滴在哈佛大学工程与应用科学学院的。“问题是,威尔斯在微量滴定板空间信息。我们失去的将下降,我们必须以某种方式取回这些信息。“条码微允许细胞被跟踪,同时运行在大规模使用非常小的反应。

单细胞分析是一个功能强大的实验方法,部分原因是罕见的细胞类型的信息不是失去了群众。不同方法分析DNA的细胞,单细胞分析捕获细胞组织的异质性。测试与Drop-Seq这种能力,研究人员分析了45000多名从老鼠的视网膜细胞,研究模型系统,大量的细胞类型。从他们的数据,研究人员能够识别39视网膜细胞类型,包括已知的类型显示方法和一些潜在的新客户。Drop-Seq之前,这种成就了几十年。

Drop-Seq的高吞吐能力帮助研究人员识别新的细胞类型。“当你分析一个单一的细胞就像雪花,“Macosko说。“这将是不同于其它细胞在你的系统中,但即使所有的雪花都是不同的,有些东西,所有雪花的共同点。你能知道的唯一方式是如果你看到成千上万的雪花。”

除了高通量功能,Drop-Seq地址两个额外的单细胞分析挑战——污染的成本和风险很高。Drop-Seq降低了单细胞分析的成本大约6美分每细胞——从先前的方法降低500倍。在机械或物理细胞分离成单个井其他单细胞微量滴定板的方法是昂贵的,Drop-Seq液滴只规模非常小,1亿他们适合在试管中一个人的拇指的大小。自与microbead条形码跟踪单个细胞,整个样本可以合用,减少测序反应体积和显著降低成本。苏还指出,“我们不需要担心污染因为一切都发生在下降。完整的细胞进入下降,细胞溶解,条形码,只有你打开下降。在这一点上,污染并不影响它。”

Drop-Seq和其他单细胞分析方法,通常始于分离组织,但体内细胞的位置影响很大。新方法在计算分析应对这一挑战。团队包括拉胡尔Satija Regev的实验室,现在在纽约基因组中心,和杰夫•法雷尔从准会员亚历克斯Schier哈佛大学的团队,开发了一种计算方法称为修来分析基因表达模式在复杂的组织和细胞定位。命名的法国印象派的点彩派画家风格令人回味的空间模式的详细信息,修使用机器学习的方法来映射单个细胞通过整合单细胞RNA序列数据和从组织RNA原位杂交模式。该团队使用修生成的地图空间模式在斑马鱼胚胎基于超过800细胞的转录组。在自然界中生物技术,在鱼他们描述他们的工作,但这种方法适用于其他系统包括人类组织样本。为规范组织修可能无限的可伸缩性,雷格夫说,“Drop-Seq是它最好的朋友,”部分的拉胡尔Satija修包和工作的积分视网膜细胞的分析和分类使用Drop-Seq获得的数据。“修提供了一个框架来解决实验生物学家带来的规模和类型的数据时使用单细胞基因组学,“雷格夫说。

与最新进展,单细胞分析已经成为成熟的转化研究。协会成员利Garraway达纳法伯癌症研究所和他的实验室成员,与团队合作从卡拉曼细胞天文台,包括博士后Itay Tirosh, Shalek,天文台的副主任,Orit Rozenblatt-Rosen,建立了一个工作流研究几种不同类型的癌症。早期结果表明,它可能揭示关于肿瘤异质性的重要信息和控制的因素是否应对不同类型的肿瘤治疗方法。自单细胞分析可以确定基因活动的改变在肿瘤尚未批量分析,如果找到差异,数据可以提供线索的分子途径参与肿瘤反应。同时,监视表达式改变随着时间的推移在回答疗法可以帮助预测当细胞将无法回应。“我们认为单细胞分析可以帮助我们辨别heterogeneity-not只是出于自身利益考虑,但它告诉我们关于肿瘤亚种群,他们如何应对治疗,和耐药肿瘤细胞如何演变。”Garraway说。

另一个领域的单细胞分析微生物基因组学可以产生巨大的影响。“能够发现和理解微生物多样性是持续增长的重要性,“说保罗Blainey广泛的核心机构成员,尤其是当我们了解更多关于微生物的影响——数十亿微生物生活在和人类的身体,对我们的健康。此外,为了应对抗生素耐药性的重要的全球威胁,研究人员加大力度利用单细胞分析寻找新的抗生素和抗生素抗性基因识别。

广泛的这些进步,单细胞分析的规模扩大到数以万计的细胞——三年前从18岁。Eric Lander、总统和Broad研究所主任指出,这个新时代的“定量生物医药”将使我们学习两种类型的人群——人口和人口的细胞。“我们需要学习之间的自然变异细胞,”他说。“是时候开始考虑一个完整细胞目录。”这样的“细胞阿特拉斯”将承担一个无偏的方式识别人体的每一个细胞类型基于细胞状态,环境,血统,和历史。“一个人类细胞阿特拉斯现在触手可及,“雷格夫说。“这将需要一些学科、方法和计算方法,将可伸缩的,敏感的,和鲁棒性。最重要的是,它将需要一个伙伴关系在生物学、技术,和医学。“这种伙伴关系将会是一个顶点的跨学科的进步所以成功发射单细胞基因组学。它将跨越实验、计算和数学方法,它有可能改变我们的理解和治疗人类疾病。