如何选择技术方法来进行单细胞多组学研究

　　

生物通报道：现阶段，科学家们已经开始以单细胞分辨率组合多层信息。这些“多组学”技术可以更仔细地观察细胞之间的可变性，更清楚地识别特定细胞及其功能。分析基因组DNA揭示了单细胞基因组，甲基化组织或染色质，而分析RNA和蛋白质则能分别产生转录组和蛋白质组数据。

前篇：

生命科学新热点研究：单细胞中整合多个组学

六种分析表观基因组、转录组和蛋白质组的新技术        

如何做出选择

有了这么多种的检测方法可供选择，研究人员还需要根据他们提出的生物学问题，特定技术的成本，劳动密集程度和技术要求来决定使用哪些检测方法。

“通常这需要技术专家团队，计算人员和了解实验系统的生物学家合作才能很好地完成这些类型项目的研究，”Bock说。

如何制定技术方案，选择方法取决于很多因素，各种技术的实验指南存在的一大差异是如何从组织中分离单个细胞，口腔移液和连续稀释是相对快速，简便和低成本的方法，可以最大限度地降低RNA或蛋白质降解的风险，但它们通量也相对较低。FACS，机器人操作和微流体是高通量的，但它们很昂贵并且可能在细胞分离上没有那么精细。

成本是另一个因素。基于指南和试剂的体积（例如酶和抗体），上述这些技术的价格每个样品从几美元到几百美元不等（这不包括测序的成本，当然测序也可能是限制性的问题）。 “没有多少科学家能够从单个细胞中测序十万个单基因组，”Chappell说。

对于一批样品，单细胞多组学测定可以需要花费超过24小时到近一周的时间，其中涉及手动将细胞核与细胞质分离的方法往往较慢，且劳动强度较大，而基于FACS的方法更方便，通量更高。

生物信息学专业知识是一个优势。 Stoeckius说：“对于所有的这些分析，你需要一点计算机背景和一些R经验，”这是一种用于统计计算和数据分析的编程语言和软件环境。

不过这种情况也可能很快就会改变，因为越来越多的人开始使用这种分析，一些公司开发了易于使用的软件来分析单细胞多组学数据。目前，诸如SEURAT和MOFA之类的计算软件包可以集成来自两个或多个组学层的数据。

随着单细胞单组学技术变得更加灵敏，准确和高通量，相应的多组学技术也可能得到改善。研究人员还致力于将单细胞技术与其它数据层相结合，例如空间信息（如CODEX）和功能分析。将细胞的空间信息链接到其他组学层可以帮助研究人员在组织内映射不同的细胞类型和功能。

最终的目标还是从单个细胞中捕获所有分子的信息——一种“全方位”的信息，但这仍然需要几年时间。目前，单细胞多组学正在改变科学家处理分子生物学的方式。

“这些技术的采用速度非常快，所以我认为在五年后这将被视为显而易见，且标准化的事情，”Chappell说。

（生物通：张迪）