黑科技诞生—单细胞内每个基因表达动力学变化都可知

为了理解和控制复杂的系统，我们不得不去评估各组成部分的动力学。从生物学角度，基因表达可能是复杂系统的最终展示了，因为有超过20,000个基因在协调人体功能运作。然而，我们却缺乏一种能随时间变化测量单个细胞基因表达变化的工具。近日，这个局面被卡罗林斯卡学院(Karolinska Institutet) La Manno团队打破了，他们已经开发出一种在单个细胞中捕捉动态过程的技术——升高了？下降了？速率是多少？通通No Problem！(该研究于8月8日发表与Nature杂志)[1]。除了研究疾病过程外，该方法还可用于详细观察胚胎发育过程中特化细胞是如何形成的。

(图片来源：Nature官网)

La Manno团队发现现有的基因表达快照实际上可以提供真实的动态信息，从而部分地克服了这部分操作问题。研究者分析了由单细胞RNA测序产生的数据，这种方法通常用于测量样本中单个细胞中每个基因的mRNA转录物的丰度。值得关注的是，研究人员同时发现，这些RNA序列还提供了关于每个基因表达在测量时是增加还是减少的信息。

LaManno(图片来源: 卡罗林斯卡学院官网)

他们充分利用新转录的mRNA含有在成熟mRNA形成过程中待切割（剪接）片段这一现象。对于稳定表达的单个基因，因转录物不断更新迭代，其一小部分mRNA将始终以未成熟的未剪接形式存在。当一个基因刚刚被激活，短时间内将会有更高比例的未成熟转录物。相反地，当基因表达被抑制时，半衰期短、未剪接的转录物比例将在半衰期长的成熟mRNA转录物衰变之前下降。因此，对于单个细胞中的每个基因而言，未剪接的mRNA与剪接的mRNA的比值可以用来直接推断瞬时表达动力学——即每个基因的“RNA速度”，然后可以用来推断组织中正在发生的细胞变化(见下图)。

复杂组织基因动态表达变化(图片来源:Nature官网)

该方法已用于RNA测序大数据集[4-5]。而La Manno团队意识到该方法更适用于单细胞数据。这些数据为动态过程提供了更高分辨率的图像，尤其是包含各种在大量分析中合并的不同基因表达模式的细胞的复杂组织。研究者发现用于分析来自单细胞RNA测序的数据的现有算法通常会丢弃关于未成熟的未剪接mRNA信息。通过完全重新计算他们的计算途径来恢复这些数据，可以重获每个转录物的拼接和未拼接形式的信息，从而预测RNA速度。

通常情况下，La Manno等需要付出很多努力和技术才能将最初的想法转化为一套强大的工作算法。他们必须克服的挑战之一是单个细胞基因表达检测的背景信号的复杂性。这是因为在测序时，细胞中大多数mRNA分子都会丢失，这使得研究人员只能获得基因表达的片段。另一个挑战是如何确定在每个基因进行稳定转录时推断剪接与未剪接转录物的基线比率。

La Manno和他的同事们向我们完美地展示了他们方法的有效性。例如，RNA的速度可以准确地检测到胚胎中细胞从一种叫做神经嵴细胞的细胞分化为肾上腺的嗜铬细胞时所经历的基因表达的增加和减少。研究者还使用RNA速度来研究小鼠脑发育过程中海马体的基因表达动态，肠道干细胞分化动态等等。这一系列的例子表明该方法具有广泛的价值。该小组最重要的成就之一就是对人类胚胎组织的分析，因为存在研究活体人类胚胎相关的技术和伦理问题，其他形式的动态测量都是非常困难，甚至无法实施。

对单个细胞的RNA速度进行分析是一项重大突破。当然，它也有局限性。就其本质而言，RNA速度实际上不能随时间跟踪给定的细胞，它仅限于mRNA研究，并且它不提供关于细胞空间组织的信息。当探索干细胞生物学、胚胎发育或疾病发作中的现象时有一定局限性，这些现象可能取决于细胞的谱系和排列，并且可以由蛋白质磷酸化等转录以外的机制驱动。该方法仅给出了通过拼接瞬时速率进行细胞动力学的概率描述。毫无疑问，由于这些限制，科学家们将需要继续使用诸如实时成像的补充方法来研究基因的时空表达动力学。

不管怎样，在单细胞中推断出真实的RNA瞬时速度却实实在在是一个质的飞跃。事实上，该方法已经帮助到其他科学家的研究中了[6]。在不久的将来，这种新方法使我们能够详细观察胚胎中特殊细胞类型是如何形成的，包括人类胚胎。它还可以用于研究动态疾病过程，如肿瘤形成、伤口愈合和免疫系统。让我们拭目以待吧！[7]

Ref:

[1] La Manno, G. et al. Nature.41586-018-0414-6 (2018).

[2] Specht, E. A.et al. Rev. Physiol. 79,93–117 (2017).

[3] Weinreb, C.et al. Natl Acad. Sci. USA115, E2467–E2476 (2018).

[4] Zeisel, A. et al. Mol. Syst. Biol. 7,529 (2011).

[5] Gray, J. M. et al. PLoS ONE 9, e89673(2014).

[6] Plass, M. et al. Science 360, eaaq1723(2018).

[7] https://ki.se/en/news/new-method-reveals-cell-development.

扫码关注我们，期待更多精彩内容！