单细胞RNA-seq发现调节干细胞发育的新基因

　　最近，Wellcome Genome Campus的一项新研究演示了单细胞基因组学的力量，揭示了它如何能帮助科学家了解细胞的早期发育。这项研究发现了参与干细胞调控网络的新基因，以及新的细胞亚群，可让我们深入了解干细胞多能性。相关研究结果发表在最近的《Cell Stem Cell 》。

　　

生物通报道：最近，Wellcome Genome Campus的一项新研究演示了单细胞基因组学的力量，揭示了它如何能帮助科学家了解细胞的早期发育。这项研究发现了参与干细胞调控网络的新基因，以及新的细胞亚群，可让我们深入了解干细胞多能性——成为几乎所有不同类型细胞的能力。研究人员还为干细胞群落开发了新的资源，这将有助于解释未来的调查。相关研究结果发表在最近的《Cell Stem Cell 》。延伸阅读：刘澎涛博士：单细胞RNA-seq解析干细胞异质性。

干细胞在被触发成为功能性细胞（如肝脏、心脏或血细胞）之前，存在于一种“基态”。是什么触发了这一变化，与细胞内的基因如何、何时、以什么顺序表达，或打开和关闭，有很大的关系。表征在干细胞中起作用的基因表达，对于理解健康和疾病的基本生物学，至关重要。

Wellcome基金Sanger研究所和欧洲生物信息研究所（EMBL-EBI）的研究人员，用单细胞RNA测序技术，研究了700个小鼠胚胎干细胞（mESCs）中成千上万个基因的表达，发现有一个标签“基因表达混合”，可表征不同的细胞群。他们还发现，这种混合决定了细胞周期的长度。换句话说，细胞间基因表达的异质性支持细胞的行为。

立即索取C1单细胞自动制备系统的更多资料

本文第一作者、Sanger研究所和EMBL-EBI的Ola Kolodziejczk解释说：“你可以获得这一非常动态的基因表达过程的快照，并由此推断出许多信息。这有点像，对着时代广场上拥挤的人群拍摄照片，并根据所有人的年龄进行排序，以探究他们的生命周期，或通过穿衣风格对他们进行分组，来推断他们接下来去哪里。”

单细胞RNA测序可帮助研究人员看到，是什么使得我们身体里所有的细胞会有不同的形状，并预测它们会做什么，并探索出许多促成它们命运的因素。在这项研究中，研究团队开发了新的方法来表征，三种不同的状态中干细胞之间的基因表达水平是如何变化的。

EMBL-EBI的Jong Kyoung Kim指出：“一件让人兴奋的事情是，我们发现了参与干细胞调控网络的新基因，并利用CRISPR技术验证了我们的研究结果。这使我们更接近于推断整个网络是如何被放在一起的，而这反过来又能让我们深入了解，是什么让干细胞处于一种基态，是什么触发它们改变。”

通过逐个细胞地剖析基因表达的噪音混合，研究人员发现了一种罕见的细胞亚群，它们表达一对标记基因（这对基因也被两细胞期的胚胎细胞表达）。而本研究确定的罕见的mESCs仅共有两细胞系统的一些分子特征，它们将为早期发育研究提供有价值的资源。

本文资深作者、Sanger研究所和EMBL-EBI的团队负责人Sarah Teichmann指出：“我们的研究确实表明了单细胞转录组的力量，它可以揭示用传统方法往往会掩盖的表达异质性。它为我们如何寻找培养细胞和自然发育之间的关系，增加了一个全新的维度，这对基因组学研究产生了很大的影响。”

（生物通：王英）

生物通推荐原文摘要：
Single Cell RNA-Sequencing of Pluripotent States Unlocks Modular Transcriptional Variation
Summary: Embryonic stem cell (ESC) culture conditions are important for maintaining long-term self-renewal, and they influence cellular pluripotency state. Here, we report single cell RNA-sequencing of mESCs cultured in three different conditions: serum, 2i, and the alternative ground state a2i. We find that the cellular transcriptomes of cells grown in these conditions are distinct, with 2i being the most similar to blastocyst cells and including a subpopulation resembling the two-cell embryo state. Overall levels of intercellular gene expression heterogeneity are comparable across the three conditions. However, this masks variable expression of pluripotency genes in serum cells and homogeneous expression in 2i and a2i cells. Additionally, genes related to the cell cycle are more variably expressed in the 2i and a2i conditions. Mining of our dataset for correlations in gene expression allowed us to identify additional components of the pluripotency network, including Ptma and Zfp640, illustrating its value as a resource for future discovery.