新技术提高单细胞RNA测序的效率和准确性

【字体: 时间:2018年11月23日 来源:生物通

编辑推荐:

  个体化医疗时代,科学家们正在利用基因和基因组观点寻找最适合患者的治疗方案。对于癌症,治疗前的首个步骤是研究肿瘤细胞行为,以找到攻击它们的最佳药物。

  

然后,研究人员使用DNA和RNA测序来观察细胞群,检查癌组织样本中表达哪些基因。然而,传统的测序方法会隐藏一个事实,并非所有肿瘤都按照一个模子工作,误差会导致如果你使用一种特定类型药物靶向肿瘤,一些漏网之鱼就足以扩大繁衍。

基因组学领域的一个重要进展名为单细胞RNA测序(scRNA-seq),该技术依赖信使RNA丰度,可以观察单个细胞在何时何地正在做什么,并与其他细胞进行比较以寻找基因表达差异。

然而,您发现什么信息,取决于您如何运行实验以及如何分析数据。密歇根大学医学院计算医学和生物信息学系副教授Lana Garmire团队致力于消除解释scRNA-seq数据时遇到的困难和偏差。

“测序有许多噪音,这是事实,因为不同批次的样品量极低,”她解释道、“例如,研究人员正在分析的样品可能不适合在一个细胞板内进行分析,那么它就会被拆分成2个平板。那么,由分离产生的差异就被称为批次效应。基因组学研究学者必须纠正批次效应,这个过程就存在一个难题:您怎么知道差异是批次效应还是细胞之间的真正差异?”

生物信息学是使用计算机程序收集和分析复杂生物数据的术语。这是一个相对较新的领域,建立在收集大量生物数据(例如DNA和蛋白质序列)的能力之上。

研究人员依靠生物信息学技术来确定单细胞中表达了哪些基因,但是不得不解决通过不同操作和批次效应引入的噪音。Garmire是密歇根大学医学院生物信息学中心的新教务主任,她发现SNVs(单核苷酸变异)可以消除这些不确定性,而不依赖于基因表达。

“使用SNVs,您处理的是二进制,0或1,即要么突变要么不存在,”她说。

回想一下,基因组由ATCG核苷酸组成,Garmire的方法是寻找单个核苷酸的差异,已知A只能被T代替,G只能被C代替,以此他们开发了一套新程序来处理scRNA-seq数据并检索这些变异信息。此外,他们开发的SSrGE计算程序可以把这种变异信息与更传统的基因表达信息联系起来。

“它可以给我们提供肿瘤细胞不同亚群的信息,有点像指纹分选不同细胞,”Garmire说。

这意味着什么

药企和临床医生今后可以使用这些数据指导治疗。“期待生物信息学走出实验室,研究人员用他们积累的大量数据帮助下游临床应用发展,”Garmire说。“我们将身体拆分开来专门化地研究每个部分,但是,终有一日您需要整体地看待并解决问题。我们在做的工作就是开发计算工具,把生物信息研究学者、科学家和临床医生拉在一起,连接这些问题,以便更好地做出改变。”

欢迎索取电子版或纸质版的Illumina《单细胞测序回顾》技术手册

原文检索:Using single nucleotide variations in single-cell RNA-seq to identify subpopulations and genotype-phenotype linkage

(生物通:伍松)

我来说两句
0  条评论    0 人次参与
登录 注册发布
最新评论刷新
查看更多评论 > >
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普
  • 急聘职位
  • 高薪职位

知名企业招聘

热点排行

新闻专题

生物通首页 | 今日动态 | 生物通商城 | 人才市场 | 核心刊物 | 特价专栏 | 仪器龙虎榜

版权所有 生物通

Copyright© eBiotrade.com, All Rights Reserved

联系信箱:

粤ICP备09063491号