单细胞RNA测序(scRNA-seq)

单细胞RNA测序(scRNA-seq)

单细胞RNA测序(scRNA-seq)是剖析细胞间分子异质性的有力工具。目前，大多数scRNA-seq方法涉及组织解离和随机条形码，有时借助荧光激活细胞分选(FACS)来纯化感兴趣的细胞。悬浮液中的单细胞随后使用微流体装置如Chromium Controller (10× Genomics)进行测序。这些方法特别适合于以无偏见的方式描绘大量细胞，随后进行生物信息学分析以定义细胞类型分类学。

10月16日， Neuron 以 “Deep scRNA sequencing reveals a broadly applicable Regeneration Classifier and implicates antioxidant response in corticospinal axon regeneration” 为题发表了一篇来自加州大学圣地亚哥分校医学院Binhai Zheng教授团队的研究论文，研究人员利用单细胞 RNA 测序确定了一种新的再生调节剂的生物标志物，并导致再生分类器的开发，从而使该分类器可广泛应用于基于单细胞转录组的预测不同神经元群体的再生潜力。

作者重点研究了皮质脊髓束（CST）的神经元，首先用PTEN和SOCS3共缺失来诱导CST再生，因为它们的共缺失先前已显示协同促进RGCs和CST神经元的轴突生长(再生或发芽)，同时为了区别标记再生与非再生CST神经元，研究人员应用了两种不同的逆行病毒示踪剂:一种在脊髓背侧半切损伤之前，另一种在损伤之后，从而使研究人员后期能够比较再生神经元和非再生神经元的测序数据。

图1：A手术时间表。B脊髓背侧半切伤

接着，研究人员使用膜片吸管从29个PTENfl/fl的急性脑切片中收集326个CST神经元(123个再生，203个非再生)的细胞质物质，然后对单细胞进行了深度测序，即每个细胞测序 500 万个读数，以 100 万个读数对唯一映射到外显子，这是 10× Genomics 数据深度的 100 倍。之后，研究人员使用单细胞方法(Seurat、Garnett和SingleR)和批量RNA-seq方法(DESeq2、EdgeR)来分析这些高深度高质量的数据。

图2：皮质脊髓神经元的单细胞聚类分析

图3. 将再生分类器应用于不同发育阶段的视网膜神经节细胞(RGCs ),揭示了出生后早期RGCs内在轴突生长能力急剧下降的转录组学基础

图4. 将再生分类器应用于公开的scRNA-seq数据产生细胞类型和发育阶段合适的分类

图5. 差异表达基因的生物信息学分析NFE2L2和PPARGC1A作为基因网络的两个中心枢纽

研究小组发现，除少数例外情况外，再生分类器成功地预测了单个神经元的再生潜能，并能重现先前研究的已知趋势，如神经元的再生能力在出生后急剧下降。因此，高深度、低通量的scRNA-seq方法在区分转录相似的神经元亚型甚至状态方面具有独特的优势。在这项研究中，再生和非再生CST神经元之间的差异基因表达反映了不同的再生状态，而不是神经元亚型。进一步阐明高深度、低通量的scRNA-seq方法将继续补充低深度、高通量方法，以了解新的生物学。

为什么选择我们？

更先进的平台选择-拥有高捕获效率的10X Genomics和国产单细胞捕获平台

更丰富的技术实力和经验-具有针对不同样本类型的单细胞悬液制备等样品处理方面的经验

更成熟的数据分析和解读能力-具备优秀的生物信息学团队，能够提供全面的数据分析服务和准确的结果解读

更灵活的定制化分析方案-具备专业的转化医学团队，能够及时跟进前沿文献，提供个性化的实验设计和方案

更优惠的价格和更短的交付周期-提供综合比价通道，并能高效高质量的交付结果