韩敬东课题组研究成果在《Genome Research》发表

近日，国际基因组研究权威期刊《Genome Research》在线发表了中国科学院上海生命科学研究院计算生物学研究所韩敬东课题组的最新研究论文。在这项研究中，研究人员开发了一种半自动化的原位杂交图像分析流程，并使用这种分析流程，在单细胞分辨率上得出了大脑皮质层中基因的空间表达模式，以深入了解大脑皮层发育过程中所发生的关键过程。

　　

生物通报道：近日，国际基因组研究权威期刊《Genome Research》在线发表了中国科学院上海生命科学研究院计算生物学研究所、中科院遗传与发育生物学研究所和清华大学等处的最新研究论文“Single-cell-level spatial gene expression in the embryonic neural differentiation niche”。在这项研究中，研究人员开发了一种半自动化的原位杂交图像分析流程，并使用这种分析流程，在单细胞分辨率上得出了大脑皮质层中基因的空间表达模式，以深入了解大脑皮层发育过程中所发生的关键过程。

本文通讯作者的中国科学院上海生命科学研究院计算生物学研究所韩敬东研究员，早年毕业于中国药科大学，1996年在美国Albert Einstein College of Medicine获博士学位，1997年至1998年在美国洛克菲勒大学霍华德休斯医学研究所从事博士后研究，后在美国多家公司担IT任软件工程师，2002年至2005年为哈佛大学医学院科研人员，2005年至2010年中科院遗传与发育生物学研究所课题组长，2010年8月担任中科院上海生命科学研究院计算生物学课题组长、所长。2004年中科院****入选者，2005年获得国家杰出青年科学基金。主要研究方向包括：生物网络的结构、动态及其功能；利用functional genomics的数据，寻找疾病有关的基因及进一步研究其病理作用；探求遗传基因网络中内在的安全稳定机制。曾在PNAS、Cell子刊、Blood、Genome Research等著名学术期刊发表论文。相关阅读：韩敬东研究员Cell子刊探讨“垃圾”DNA 。

随着越来越多高通量原位杂交图像的出现，如何在高分辨率上有效地分析这些图像，以获得整体体基因表达模式和可检验的假设，已成为一项巨大挑战。在这项研究中，该研究小组开发了一种半自动化的图像分析流程，以单细胞分辨率分析了E14.5小鼠胚胎的原位杂交图像，解析了来自Eurexpress数据库的1600多个端脑表达基因。

使用这种分析流程，研究人员在单细胞分辨率上得出了大脑皮质层中基因的空间表达模式，以深入了解大脑皮层发育过程中所发生的关键过程。这些基因表达谱展示了基因表达的高度空间模块化，精确地概括了已知的分化区，并发现了更多的未知过渡区或细胞状态。更重要的是，该研究小组揭示了一种独特的空间过渡阶段，在神经分化过程中致力于染色质重塑事件，这可以通过基因组聚类模式、表观遗传学修饰开关和网络模块得以验证。

这些分析进一步揭示了有丝分裂检查点在空间性基因表达状态转变过程中的作用。这种新方法，可在单细胞水平上分析胚胎神经细胞分化过程中的空间模块化、动态轨迹和基因表达瞬时状态，并能推断出调控事件，因此在许多不同的系统中都将是有益和适用的，可用以理解体内和高分辨率的动态分化过程。

（生物通：王英）

生物通推荐原文摘要：
Single-cell-level spatial gene expression in the embryonic neural differentiation niche
Abstract: With the rapidly increasing availability of high-throughput in situ hybridization images, how to effectively analyze these images at high resolution for global patterns and testable hypotheses has become an urgent challenge. Here we developed a semi-automated image analysis pipeline to analyze in situ hybridization images of E14.5 mouse embryos at single-cell resolution for more than 1600 telencephalon-expressed genes from the Eurexpress database. Using this pipeline, we derived the spatial gene expression profiles at single-cell resolution across the cortical layers to gain insight into the key processes occurring during cerebral cortex development. These profiles displayed high spatial modularity in gene expression, precisely recapitulated known differentiation zones, and uncovered additional unknown transition zones or cellular states. In particular, they revealed a distinctive spatial transition phase dedicated to chromatin remodeling events during neural differentiation, which can be validated by genomic clustering patterns, epigenetic modifications switches, and network modules. Our analysis further revealed a role of mitotic checkpoints during spatial gene expression state transition. As a novel approach to analyzing at the single-cell level the spatial modularity, dynamic trajectory, and transient states of gene expression during embryonic neural differentiation and to inferring regulatory events, our approach will be useful and applicable in many different systems for understanding the dynamic differentiation processes in vivo and at high resolution.