Nature新闻：重新定义siRNA筛选[创新技巧]

生物通报道：生长在培养皿中的细胞并不是一个统一的体系，存在随机的，对外部信号作出反应的变化。外部变化的来源之一就是细胞的微环境，正如瑞士苏黎世大学的 Lucas Pelkmans, Berend Snijder和他们的同事之前所发现的，微环境特征，比如细胞浓度——即所谓的“群体环境效应”（population context effects），对生物进程会造成极大的影响。

这样的群体效应也会影响研究干扰的结果，比如RNAi基因沉默。近期来自瑞士苏黎世大学等处的这一研究小组又再次发表文章：“Single-cell analysis of population context advances RNAi screening at multiple levels”，系统分析了细胞中群体效应对siRNA造成的影响，并介绍了了解并针对这些效应的方法。

研究人员首先从两组siRNA筛选图像数据入手：34个小规模siRNA筛选（大约50个基因），以及7个大规模siRNA筛选（大约7000个基因），这些siRNA筛选主要用于检测四种不同的HeLancet细胞株受到十七种病毒的感染情况。

与之前研究的结果一致，研究人员发现群体效应会影响病毒感染的水平，并且他们还发现这种关联存在一种模型，能预测到siRNA治疗后，大部分的被测病毒感染水平。这说明分析筛选中的某些表型实际上是来自细胞中siRNA的间接影响。

“简而言之”，Pelkmans解释道，“如果你发现一个病毒喜欢感染非常密集生长的细胞，那么当你沉默一个会减少细胞生长的基因的时候，就会在细胞密度小的群体，得到正确的感染状态，这个模型就能预测到这一点”，Pelkmans强调说，但是这种群体效应很复杂，不能只通过细胞数量来进行预测。

对于这一模型无法完全解释表型的siRNA治疗情况，siRNA会通过直接细胞效应，扰乱病毒感染，根据这一推论，Pelkmans和他的同事利用他们的模型，区分了直接与间接影响表型的siRNAs，而且他们还利用Bayesian模型，分析了引发观察到的表型变化的因果关联。

这样将对siRNA筛选结果产生直接和间接的影响区分开来，有什么作用呢？最显著的作用，就是无论是小规模，还是大规模病毒感染筛选，如果将间接群体效应的影响去除，那么排在前列的基因就会发生大幅变化。比如SV40病毒感染，如果去除间接影响siRNAs的因素，那么就会影响病毒侵入的基因种类。

纠正间接siRNA效应还能促进不同细胞系筛选之间的重叠，甚至在某些情况下，是不同实验室之间出现的重叠。这种改进还能在病毒感染之外，指出筛选检测的几种生物特性：细胞器丰度，细胞大小，或者细胞内胆固醇水平。去除间接效应，也能增加靶向同一基因的多重siRNAs获得表型的一致性。

但是Pelkmans和Snijder emphasize也强调道，这种改进的主要影响是筛选结果，以及某个特定筛选的排列变化，“这样做产生的结果主要基于基因组的不同”，Pelkmans说，“而且据我们所知，这也着重于细胞生物生物学的直接调控因子。”

考虑到细胞异质性是广泛存在一种现象，间接影响的更正将能改善几种类型图像筛选的数据质量，Pelkmans建议其他进行siRNA筛选的研究人员，应该考虑到其研究中群体效应的影响。如果是这样，那么这项研究中指出的方法就能帮助他们重新制定结果基因列表，从而能把更多努力放在那些最感兴趣的基因上。

（生物通：张迪）

原文摘要：

Snijder, B. et al. Single-cell analysis of population context advances RNAi screening at multiple levels. Mol. Syst. Biol. 8, 579 (2012).

Isogenic cells in culture show strong variability, which arises from dynamic adaptations to the microenvironment of individual cells. Here we study the influence of the cell population context, which determines a single cell's microenvironment, in image-based RNAi screens. We developed a comprehensive computational approach that employs Bayesian and multivariate methods at the single-cell level. We applied these methods to 45 RNA interference screens of various sizes, including 7 druggable genome and 2 genome-wide screens, analysing 17 different mammalian virus infections and four related cell physiological processes. Analysing cell-based screens at this depth reveals widespread RNAi-induced changes in the population context of individual cells leading to indirect RNAi effects, as well as perturbations of cell-to-cell variability regulators. We find that accounting for indirect effects improves the consistency between siRNAs targeted against the same gene, and between replicate RNAi screens performed in different cell lines, in different labs, and with different siRNA libraries. In an era where large-scale RNAi screens are increasingly performed to reach a systems-level understanding of cellular processes, we show that this is often improved by analyses that account for and incorporate the single-cell microenvironment.