2016值得关注的技术：综合单细胞图谱

　　目前单细胞DNA和RNA测序方法正日趋成熟，还有一连串的表观遗传技术近期也达到了单细胞水平。也许未来我们就可以绘制同一细胞的多重图谱了。

　　生物通报道：《Nature Methods》盘点2015年度技术，选出了最受关注的技术成果：单粒子低温电子显微镜（cryo-EM）技术。 除此之外，也整理出了2016年最值得关注的几项技术，分别为：细胞内蛋白标记（Protein labeling in cells）、细胞核结构（Unraveling nuclear architecture）、动态蛋白质结构（Protein structure through time）、精准光遗传学（Precision optogenetics）、高度多重化成像（Highly multiplexed imaging）、深度学习（Deep learning）、亚细胞结构图谱（Subcellular maps）和综合单细胞图谱（Integrated single-cell profiles）。

单细胞技术已经不再是什么新鲜事，几乎每年Nature Methods展望技术中都会出现它的身影，这主要是由于培养基或者机体中的细胞存在多样性，或者说是异质性，这为许多实验分析造成了障碍，因此随着现代生物学的发展，“平均值”这个词已经不能满足我们的需要了，我们要了解细胞之间的差异性。如果能综合各种单细胞图谱，那么就能帮助研究人员了解基因调控与基因异质作用机制。

在单细胞各种技术中，单细胞测序（single-cell sequencing）已经被越来越多的科学家当作一副新眼镜，重新审视他们的研究，在细胞水平上分析组织能令研究人员更了解异质性，也更能直接确定细胞的身份，比如新细胞类型（通过比较分子状态）。目前单细胞 DNA 和 RNA 测序方法正日趋成熟，还有一连串的表观遗传技术近期也达到了单细胞水平。也许未来我们就可以绘制同一细胞的多重图谱了。

单个细胞RNA测序技术已经日趋成熟，可以进行大规模分析，同样也能用作表型参照，推断细胞的功能，确定细胞身份。目前检测单细胞基因表达的方法包括DNA甲基化、染色质辅助功能、组蛋白修饰和染色体结构等方面。不过虽然这些成果显著，但大多数方法得益于更好的基因组覆盖率和更清晰的信号，还有待解决的方面包括高降噪技术、由于采样问题出现的数据稀疏，以及生物变量（如来自细胞周期的差异，批处理影响和生化随机性等)。

研究已经证明，从批量细胞表观遗传数据获取搜集机制或因果机制都很困难。许多数据类型存在相关性，细胞群体基因表达之间存在复杂的相互作用。如果能够了解同一个细胞的表观遗传特征和RNA特征，那么就能提供更加直观的解析，如表观遗传状态如何影响基因表达的机制解释，RNA如何反馈到表观遗传变化的机制解释等等。

此外，基因表达可以从理论上用作样品中亚群的细胞分类，将单细胞RNA数据与检测表观特征其它分析进行比对（一个实验中的DNA甲基化与另一个实验中DNA的可接近性），就能识别出每个亚群中表观特征之间的关联，以及它们对基因表达的潜在影响了。

综合单细胞技术对于干细胞生物学，发育与组织异质性研究都具有十分重要的意义，如果有足够的样品，那么这就应该可以解决表观遗传变化在特殊位点如何影响基因表达这个问题。

相关文章：

《自然》2016热点技术—精准光遗传学

（生物通：张迪）