Nature：单细胞测序（下）

　　

生物通报道  随着技术的飞速发展，成本大大降低，使得基因组测序成为常规技术。然而，大多数的人类基因组、癌症或其他仍然是通过从多个细胞中抽提DNA来进行测序，它所忽略的细胞间的差异对于控制基因表达、细胞行为和药物反应却有可能是至关重要的。

上接：Nature：单细胞测序（上）

该研究小组也观测了其他类型的乳腺癌。将肿瘤作为一个整体测序，研究小组在癌症相关的基因中发现了6个突变。“这似乎是非常简单的基因组，”Navin说。但是当他的研究小组对四个单细胞进行测序时，他们发现了“数以百计的其他突变，其中许多都是个别细胞独特或‘专有’的。”除了肿瘤，他的研究小组还研究了一种在实验室中培养的乳腺癌细胞系。这样的细胞系中的细胞可能预计包含相同的基因组，然而在尚未公布的数据中，研究小组发现细胞与细胞之间存在大约1%的突变，涉及1.2-2万个碱基对，当一同测序细胞时则无法检测到这些变异。在两项研究中，许多新发现突变存在于癌基因中，或是在预计破坏蛋白质功能的其他区域中。

冷泉港实验室研究生、Navin前同事Timour Baslan说：“Nicholas的工作是极出色的。它包含了许多有用的信息，但是也非常的昂贵。”——每个细胞需要1000美元或以上。Baslan和他的同事们正在努力降低成本。他们将遗传条形码（短的容易追踪的DNA链）添加到细胞的DNA中，使得他们能够一同测序细胞基因组，然后鉴别来自单个细胞的序列。使用这些条形码，结合改进的生物信息学方法，将每个基因组的成本降到每个细胞60美元。以这样的价格，更多的研究人员可以随肿瘤细胞群增殖和进化对需要数量的细胞展开研究。“现在我们正对数百个细胞进行研究，我们考虑在未来能够做数千个，”Baslan说。

Baslan研究小组正用这一技术研究化疗后残留了哪些肿瘤细胞，以及这些细胞为何抗药。Navin说这样的分析可以指导治疗。“通过测序少量单细胞你可以在化疗前了解肿瘤的异质性，这有可能会影响你选择使用哪种药剂，或是否让患者经受化疗，”他说。

每个精子都是神圣的

精子单独游动的趋势使得它们适合单细胞基因组学研究。艾伯特爱因斯坦医学院的统计遗传学家Adam Auton正利用精子来研究重组，在生殖细胞形成的过程中重组使得基因重新洗牌，因此影响了遗传的基因。他说：“重组是形成遗传多样性基本的推动力之一。近年来我们了解到在不同的群体间、男女之间，甚至是个体间重组率存在相当大的差异。”在人们之中确定重组率一度看来是不可能的，因为这需要寻找有数百个孩子的个体，并测序他们的基因组。

测序单细胞的能力意味着研究人员可采用其他的方法。与中国测序业巨头华大基因（BGI）的一个研究小组展开合作，Auton对近200个精子细胞进行了测序，能够估算出捐精给他们的男子的重组率。这项研究工作还未发布，Auton说研究小组发现每个精子细胞平均有24.5个重组事件，与来自间接实验的结果相一致。斯坦福大学生物工程师Stephen Quake对100个精子细胞展开了相似的实验，在基因组中鉴别出了几个更有可能发生重组的位点。这些重组“热点”的位置可以帮助种群生物学家绘制与疾病相关的遗传变异的位置。

Quake还对100个精子中的6个精子进行了更深入地测序，确定新突变产生的速率：大概每代每10亿碱基30个突变，略高于其他人所发现的。“这基本上是一个精子样本的种群生物学，”Quake说。它将使得研究人员能够更加详细地研究减数分裂和重组。

或许单细胞测序最有趣的潜在应用在于神经科学。加州大学圣地亚哥分校的神经科学家Alysson Muotri想要研究长散在核元件（long interspersed nuclear elements，LINEs)——可以在基因组移动的“跳跃“基因——是如何使得每个神经元彼此不同的。他的研究小组比较了人类大脑、心脏和肝组织的LINEs数量，发现脑组织中包含显著更多的跳跃基因。每个人类神经元可能有80-300个独特的插入，这些差异可能影响了个体对于神经疾病的易感性，或为大脑提供了多样性宝库，用它对各种挑战做出反应。他说：“我认为这是另一个水平的复杂性。我们观察大脑，我们想起组织，实际上它就像许多的组织合为一体，因为细胞是如此的具有异质性。几乎好像是每一个细胞都为着一个目的而存在。”

（生物通：何嫱）

生物通推荐原文摘要：

Genomics: The single life

All Nicholas Navin needed was one cell — the issue was how to get it. It was 2010, and the postdoctoral fellow at Cold Spring Harbor Laboratory in New York was exploring the genetic changes that drive breast cancer. Most of the cancer-genome studies before then had ground up bits of tumour tissue and sequenced the DNA en masse, giving a consensus picture of the cancer’s genome. But Navin wanted to work out the sequence from individual cells to see how they had mutated and diverged as the cancer grew.