3月单细胞转录组重要研究文献汇总——中国生物器材网

1.单细胞测序用于生殖领域研究持续火热 精子生成过程是一个复杂又具有严格分化过程的生理过程，继18年10月份《Cell Research》上的成年人睾丸转录组图谱研究[1]和19年2月份《Cell Reports》上新生与成年人睾丸细胞单细胞水平鉴定分类[2]的步伐，本月在《Nature Communications》上，欧洲生物信息学研究所欧洲分子生物学实验室的研究人员用10x Genomics平台对成年和幼年发育期间小鼠的睾丸进行了单细胞转录组测序和分析[3]。该研究精确分类了生殖细胞发育不同阶段的细胞，包括稀有体细胞和精原细胞。值得一提的是，为精确捕获低转录活性的细胞类型，研究人员应用一种新的统计工具EmptyDrops，识别到了先前研究没有发现的细线期和偶线期精母细胞。此外，通过CUR和RUN实验，研究人员对减数分裂后X染色体重新激活的时间动态模式进行了分析，确定了减数分裂后经历了大量的染色质重塑现象。该研究为理解精子生成过程中的复杂过程及重要事件提供了新的认识。 图1实验设计线路 2.单细胞测序用于免疫研究多点开花
（1）Memory CD4+ T cells研究 适应性免疫是建立在从克隆多样的幼稚前体库中选择和扩展抗原特异性T细胞基础上，但我们对于早期适应性免疫的认识还很有限。本月在《Nature Immunology》上，来自莱顿大学医学中心免疫血液学与输血学系的研究人员，通过流式细胞分选，10x Genomics单细胞转录组和免疫组库分析，鉴定到了胎儿肠道22种CD4+T细胞类型[4]。结果显示，Memory-like CD4+T细胞高表达Ki-67。通路分析揭示了与细胞活化和促炎效应功能相关的分化轨迹。TCR谱系分析表明克隆扩增，不同的谱系特征和Memory-like CD4 + T细胞亚群之间的相互连接。流式细胞成像表明Memory-like CD4 + T细胞与抗原呈递细胞共定位。该研究提供了人胎儿肠道中产生Memory-like CD4 + T细胞的证据。 图2 胎儿肠道CD4 + T细胞的分化轨迹分析
  （2）exhausted CD8+ T 细胞亚群差异介导肿瘤控制和免疫检查点阻断响应 T细胞功能障碍是许多癌症的标志，但是T细胞功能障碍的基础和抑制性受体PD-1（抗PD-1）的抗体阻断再生T细胞的机制尚不完全清楚。本月在《Nature Immunology》上，来自Dana-Farber癌症研究所儿科肿瘤科的研究人员通过10X Genomics 单细胞转录组测序等实验，发现抗PD-1疗法作用于exhausted CD8+ T肿瘤浸润淋巴细胞（TIL）的特定亚群[5]。与慢性病毒感染类似，功能失调的CD8 + TIL具有经典的表观遗传和转录耗竭特征。包括 祖细胞耗尽 TILs在内的exhausted CD8+ T 细胞亚群，能保留多功能性，持续长期存在并分化为 最终耗竭 TILs。患有较高百分比的祖源耗尽细胞的黑色素瘤患者对免疫治疗的反应持续时间较长。因此，扩大祖源耗尽的CD8 + T细胞群可能是改善对检查点阻断响应的重要方法。 （3）干细胞记忆样T细胞的产生过程追踪 Naive T细胞选择性分化成多能T细胞在临床上对于基于细胞的癌症免疫疗法具有重要意义。在本月《Nature Biotechnology》上，来自斯坦福大学的研究人员，采用改良的染料稀释法对Naive T细胞进行了增殖过程跟踪[6]。利用23个marker，研究人员定义了主要由分裂状态或者时间控制的一组蛋白，并发现未分裂的细胞占表型多样性细胞的大部分。研究人员构建了Naive T细胞扩增过程中的细胞状态变化图谱。通过检查该谱图上的细胞信号，研究人员选择了一种BTK和ITK抑制剂 ibrutinib，在T细胞分化之前给予处理以指导细胞分化成T单细胞记忆（TSCM）样表型细胞。本研究的细胞命运追踪方法为指导细胞分化提供了一种可行工具。 图3 T细胞增殖跟踪法用于癌症免疫治疗路线
  3.单细胞转录组测序用于脑神经研究
下丘脑外侧区域（LHA）协调一系列基本行为，包括睡眠，清醒，喂养，压力和动机行为。在本月《Nature Neuroscience》上，来自康涅狄格大学生理学和神经生物学系的研究人员通过10X Genomics 单细胞转录组测序方法对小鼠LHA中分子不同细胞类型进行了分析和鉴定[7]。该研究共定义了15个不同谷氨酸能神经元群和15个GABAergic神经元，包括已知的和新的细胞类型。运用解剖学和行为学方法，研究人员进一步鉴定了一种生长抑素表达的新神经元群体，在先天运动行为中特异性表达。本研究为更好地理解LHA功能奠定了基础。 图4 LHAGlut和LHAGABA神经元细胞tSNE分类图 4.单细胞转录组测序在植物领域崭露头角
相比动物的单细胞研究，由于植物具有细胞壁的特点，使得植物的单细胞研究相比较难，但是继2月份的拟南芥根组织单细胞转录组学研究[8]，本月在《Developmental Cell》上又发表了一篇基于拟南芥根组织的单细胞转录组学研究报道[9]。来自德国图宾根大学植物分子生物学中心的研究人员运用10X Genomics 单细胞转录组测序方法对拟南芥的根组织细胞进行了图谱鉴定。该图谱提供了详细的时空信息，确定了所有的主要细胞类型，包括静止中心（QC细胞）的稀有细胞，揭示了在细胞命运转化为独特的细胞形状和功能过程中的关键发育调控因子和下游基因。通过拟时间序列分析，该研究描绘了从细胞从niche到分化的精细发生轨迹及主要调控转录因子。几乎在同一时间，华盛顿大学基因组科学中心的研究人员同样利用拟南芥根组织的单细胞测序研究在植物顶级期刊《Plant Cell》上发表了拟南芥根图谱结果[10]。在该研究中，除了和上述两篇文章类似的根部细胞分类之外，还通过热胁迫处理，来揭示在非生物胁迫下细胞内部的响应异质性。该研究表面单细胞转录组学研究在植物发育和生理学研究中都有这广阔的前景。

图5 根细胞中分生到细胞成熟过程的基因变化热图
 

5.单细胞研究方法学进展
除了以上单细胞转录组学研究进展之外，基于单细胞组学分析的方法学研究在本月也有成果发表，其中包括《Nature Method》关于细胞成分分析的CPM方法[11]，《Nucleic Acids Research》关于基于单细胞转录组数据的细胞特异性网络构建[12]，《Genome Biology》上关于基于液滴单细胞转录组数据中低转录水平细胞识别（EmptyDrops）软件的开发[13]，《Nature Biotechnology》上用于细胞可能性命运鉴定的Palantir算法开发[14]及《Nature Method》上有关tSNE算法优化的研究[15]。这些研究都为未来单细胞组学研究的进一步发展提供了强有力的工具。

为方便国内科研工作者的单细胞组学研究，上海生物芯片有限公司（SBC）于2018年引进10x Genomics单细胞组学检测平台，可为广大科研工作者提供从样本到分析的一体化解决方案，欢迎广大科研朋友们与我们开展深入的沟通和广泛的合作

Guo, J., et al., The adult human testis transcriptional cell atlas. Cell Res, 2018. 28(12): p. 1141-1157. Sohni, A., et al., The Neonatal and Adult Human Testis Defined at the Single-Cell Level. Cell Rep, 2019. 26(6): p. 1501-1517 e4. Ernst, C., et al., Staged developmental mapping and X chromosome transcriptional dynamics during mouse spermatogenesis. Nat Commun, 2019. 10(1): p. 1251. Li, N., et al., Memory CD4(+) T cells are generated in the human fetal intestine. Nat Immunol, 2019. 20(3): p. 301-312.  Miller, B.C., et al., Subsets of exhausted CD8(+) T cells differentially mediate tumor control and respond to checkpoint blockade. Nat Immunol, 2019. 20(3): p. 326-336. Good, Z., et al., Proliferation tracing with single-cell mass cytometry optimizes generation of stem cell memory-like T cells. Nat Biotechnol, 2019. 37(3): p. 259-266.  Mickelsen, L.E., et al., Single-cell transcriptomic analysis of the lateral hypothalamic area reveals molecularly distinct populations of inhibitory and excitatory neurons. Nat Neurosci, 2019. 22(4): p. 642-656.  Ryu, K.H., et al., Single-cell RNA sequencing resolves molecular relationships among individual plant cells. Plant Physiol, 2019.  Denyer, T., et al., Spatiotemporal Developmental Trajectories in the Arabidopsis Root Revealed Using High-Throughput Single-Cell RNA Sequencing. Dev Cell, 2019. 48(6): p. 840-852 e5.  Jean-Baptiste, K., et al., Dynamics of gene expression in single root cells of A. thaliana. Plant Cell, 2019. Frishberg, A., et al., Cell composition analysis of bulk genomics using single-cell data. Nat Methods, 2019. Dai, H., et al., Cell-specific network constructed by single-cell RNA sequencing data. Nucleic Acids Res, 2019.  Lun, A.T.L., et al., EmptyDrops: distinguishing cells from empty droplets in droplet-based single-cell RNA sequencing data. Genome Biol, 2019. 20(1): p. 63. Setty, M., et al., Characterization of cell fate probabilities in single-cell data with Palantir. Nat Biotechnol, 2019. Linderman, G.C., et al., Fast interpolation-based t-SNE for improved visualization of single-cell RNA-seq data. Nat Methods, 2019. 16(3): p. 243-245.