您的位置:首页 » 医疗资讯 » 行业动态 » 正文

重要研究成果聚焦科学家们在单细胞研究领域取得的新进展!

发布时间: 2021-07-01 16:32:54      来源:

用手机扫描二维码在手机上继续观看

什么是自体免疫性肝炎
手机查看

本文中,小编整理了近年来科学家们发表的多篇重要研究成果,共同聚焦其在单细胞研究领域取得的新进展!分享给大家!图片来源CC0 Public Domain【1】Cell中国团队单细胞层面揭示新冠免疫特

本文中,小编整理了近年来科学家们发表的多篇重要研究成果,共同聚焦其在单细胞研究领域取得的新进展!分享给大家!

图片来源:CC0 Public Domain

【1】Cell:中国团队单细胞层面揭示新冠免疫特征

doi:10.1016/j.cell.2021.01.053

近日,由我国多所大学、医院和研究机构组建的“新冠肺炎单细胞研究中国联盟”在国际著名期刊Cell杂志上发表题为“COVID-19 immune features revealed by a large-scale single cell tranome atlas”的论文。COVID-19患者的免疫功能失调是影响患者症状和死亡率的一个主要因素,但目前对相关免疫细胞的详细了解还不完整。研究团队对196名COVID-19患者和对照组的284份样本进行了单细胞RNA测序,创建了一个包含146万个细胞的全面的免疫细胞数据图谱。庞大的数据集使我们能够确定不同的外周免疫亚型变化与COVID-19的不同临床特征包括年龄、性别、严重程度和疾病分期等密切相关。

同时团队发现SARS-CoV-2 RNA存在于多种上皮细胞和免疫细胞如巨噬细胞、T细胞等中,转录组测序显示在病毒阳性细胞中转录组发生明显变化,提示新冠病毒可能在这些免疫细胞中发生过活跃的转录与复制,也提示不能排除新冠病毒宿主细胞范围不仅包括上皮细胞还包括免疫细胞的可能,还需要进一步细胞水平上的研究。

【2】Nat Med:单细胞测序揭示胃癌患者差异化结局的原因

doi:10.1038/s41591-020-1125-8

德克萨斯大学MD安德森癌症中心的研究人员对来自腹膜癌(一种特定形式的转移性胃癌)患者的45,000多个细胞进行了分析,确定了广泛的细胞异质性,并确定了与患者生存相关的两种不同亚型。根据今天发表在Nature Medicine上的发现,研究人员开发并验证了一种基因表达特征,该特征能够比其他临床特征更好地预测患者的生存。如果在前瞻性研究中得到验证,则该工具可能有助于对胃癌患者进行分层并指导他们采取更有效的治疗策略。

通讯作者,基因组医学助理教授Linghua Wang博士说:“为了更好地治疗癌症患者,我们首先必须了解腹膜腔内转移细胞的数量。这是迄今为止对这些细胞进行的最详细的分析。这就是单细胞分析的力量-我们能够查看每个单细胞并获得整体的宏观图谱。”腹膜癌变是癌细胞浸润并侵袭腹膜或腹腔并粘附在胃和其他器官上的疾病。这可能在其他胃肠道癌症中发生,但最常见于晚期胃癌患者。这种情况导致腹腔积液明显,患者的总生存期不到六个月。

【3】Genome Med:单细胞RNA测序技术或能揭示胰腺肿瘤中单个细胞的特性 有望帮助开发个体化胰腺癌疗法

doi:10.1186/s13073-020-00776-9

近日,一篇发表在国际杂志Genome Medicine上的研究报告中,来自美国翻译基因组学研究院等机构的科学家们通过研究详细描述了组成胰腺癌微环境的单个细胞的特性,这或许有望帮助开发新型疗法来治疗这种侵袭性且难以治疗的癌症类型。文章中,研究人员利用一种名为单细胞测序的技术来对胰腺肿瘤中的细胞进行分析,最终研究者在胰腺肿瘤间质中识别出了多种细胞,这种间质是围绕在肿瘤周围能帮助其躲避宿主机体免疫系统攻击的特殊物质。此前研究人员利用单细胞转录组学技术来研究胰腺导管腺癌中原发性肿瘤组织的细胞组成,而本文研究中,研究人员则利用该技术对来自原发性肿瘤位点和转移性组织的活组织的单一细胞进行分析。

研究者Haiyong Han博士表示,单细胞转录组学分析能对单细胞亚群提供重要的临床见解,同时还能为开发靶向性疗法和新型免疫疗法提供新的线索;理解胰腺导管腺癌的多样性和复杂性,以及单一肿瘤中间质室的特性,或能帮助科学家们识别特殊的干预措施,并针对恶性癌症患者制定新型的新型疗法和干预措施。

【4】Cell重磅解读!科学家们成功在单细胞分辨率下解析机体肠道神经系统的奥秘!

doi:10.1016/j.cell.2020.08.003

整个胃肠道系统中嵌入的是一种更为广泛的神经元阵列,其会协调几乎所有的活动,包括消化、肠道运动以及对有害刺激的反应等,这些细胞就组成了肠道神经系统(ENS,enteric nervous system),并能将信号传输到大脑中,但其非常稀少且很脆弱,很难进行分离和深入研究,近日,一项刊登在国际杂志Cell上题为“The Human and Mouse Enteric Nervous System at Single-Cell Resolution”的研究报告中,来自MIT博德研究所等机构的科学家们通过研究克服了这一问题,研究人员开发了一种新方法来产生人类和小鼠ENS的单细胞图谱。

通过分析这些单一神经元细胞的基因活性,研究人员推测,肠道中的神经元能与其它多种细胞类型之间保持交流沟通,包括免疫细胞等,而这些细胞中能够表达与疾病相关的关键基因;ENS或许就是连接肠道、免疫系统和中枢神经系统的关键节点,其在肠道的过敏症、炎症和肠道运动障碍以及影响大脑的疾病中扮演着非常关键的角色。研究这些类型的神经-免疫相互作用是食物过敏科学计划的下一个阶段,这一计划旨在寻找理解食物过敏发生的机制,并鼓励研究人员开发新型治疗过敏症的疗法。

【5】Nature深度解析!在单细胞环境中发现遗传连锁反应!

doi:10.1038/s41586-020-2227-7

尽管遗传学和基因组学的进展揭示了许多与疾病相关的基因突变,但医生和研究人员仍然面临着将这些突变与实际致病过程联系起来的棘手挑战。再加上单细胞生物学的不断发展,它能在特定时刻检测每个细胞的基因和/或蛋白质的表达,这项任务变得更加艰巨。如今,辛辛那提儿童医院医学中心的研究人员在Nature杂志上发表了一篇研究报告,他们开发了一种分子工作流程,利用单细胞方法来了解与特定患者基因突变相关的分子通路。科学家们首次发现了一种基因突变,这种突变会导致儿童血液疾病--严重的先天性嗜中性白血球减少症(SCN)。这种突变被发现可以阻止导致形成中性粒细胞的血液细胞的发育。

来自辛辛那提儿童免疫生物学部门的该研究通讯作者H. Leighton Grimes博士表示,该研究创建了一个新的平台,研究人员和临床医生的单细胞基因组学研究各种不同的疾病,这可能会使在诊所会诊断更准确和有效。研究者Grimes说:"除了一些已知的致病突变外,确定重要和不重要的DNA变化之间的区别可能是繁琐和困难的。我们已经可以对孩子的基因组进行测序,并将DNA序列差异与疾病联系起来。然而,确定哪些DNA变化是真正的致病突变很困难,但对于理解疾病的分子机制并推动治愈是至关重要的。"

图片来源:CC0 Public Domain

【6】Nat Biotechnol:科学家发现能准确高效进行单细胞转录组特性分析的最佳技术—Quartz-seq2

doi:10.1038/s41587-020-0469-4

为了确保单细胞RNA测序能够使用最好的方法,日前研究人员对13种方法进行了基准性的测试,一项刊登在国际杂志Nature Biotechnology上的研究报告中,来自西班牙的科学家们通过研究发现,日本理化所开发的Quartz-seq2方法或许是进行单细胞RNA测序的最佳手段。此前,用于基因组分析的方法缺乏一定的基准,这就会在后来的分析过程中产生许多问题,由于使用不同方法的研究小组有着不同的标准,因此其所得到的结果也不尽相同;基于这一点,许多从事单细胞RNA分析的研究人员联合起来评估不同的手段,从而筛选出具有良好可重复性的方法。

单细胞RNA测序被视为基因组研究中下一个重大的计划,最初,以人类基因组计划为例的基因组研究试图确定在任何有机体所有细胞中所发现的DNA序列,但让事情变得复杂的是,有机体的细胞共享着相同的DNA代码,实际上,这些细胞在表型上是不同的,因为基于表观遗传学因素,不同的基因会表达或不进行表达。而且启动子和增强子的遗传区域在表达上也存在巨大差异,其并不直接编码蛋白,但却会对其它遗传区域产生影响。因此,理解单个细胞的遗传组成或许有望帮助研究者确定单个细胞在诸如癌症等疾病中是如何表现出差异的,以及其在发育过程中改变的机制,目前正在参与人类细胞图谱绘制的科学家们就正在开发一种针对不同细胞类型的全面基因表达图谱。

【7】Nature:浙江大学领衔在构建全面的人类单细胞图谱方面取得重大进展

doi:10.1038/s41586-020-2157-4

在一项新的研究中,来自中国浙江大学等研究机构的研究人员朝构建全面的人类单细胞图谱迈出了一大步。相关研究结果于2020年3月25日在线发表在Nature期刊上,论文标题为“Construction of a human cell landscape at single-cell level”。在这篇论文中,他们描述了他们对志愿者捐赠的50多万个细胞的RNA进行测序,以及如何处理这些信息从而以一种可用于单细胞图谱的方式进行展示。

人体中的所有细胞都具有相同的遗传信息,但是它们在表达哪些基因方面存在着不同。表达的那些基因确定了给定细胞的功能。一段时间以来,医学研究员一直想要一种能描述哪些基因在人体各个部位的细胞中表达的图谱。这样的图谱将帮助科学家们更好地了解细胞的功能以及它们如何协同发挥作用,此外还可以为新的研究工作节省时间。人们已经为某些组织类型构建了细胞图谱,但是目前,没有单个图谱可以覆盖人体中的所有细胞类型。毕竟,由于人体拥有超过30万亿个细胞,因此构建此类图谱需要大量时间和精力。在这项新的研究中,这些研究人员朝着这一目标迈出了一大步,为人体不同部位(包括胎儿组织)的500000多个细胞(包括所有主要器官)提供了基因表达信息。

【8】Science:利用单细胞基因组学进行人类细胞表型分析

doi:10.1126/science.aax6648

在一篇近期发表在Science期刊上的标题为“Mapping human cell phenotypes to genotypes with single-cell genomics”的综述类型文章中,瑞士研究人员认为在了解构成人体的细胞表型和人类基因组如何被用来构建和维持每个细胞的目标中,我们正处在一个迷人的旅程中。瑞士巴塞尔分子与临床眼科研究所人类视网膜与器官发育小组负责人Gray Camp说道,“为了对人类细胞类型进行分类,了解它们的发育方式,它们在不同人之间的差异,以及它们在疾病中出现功能障碍的方式,将彻底改变人们对人类细胞表型的理解。”

“表型(phenotype)”可能意味着很多事情,但总的来说,它是对由于个体基因型与其环境相互作用而产生的一系列特性进行分类的一种方式。Gray Camp解释道,“当我们在巴塞尔分子与临床眼科研究所努力恢复视力的过程中,单细胞基因组学是开发个性化表型分析策略的最新进展之一。单细胞分辨率的人体器官表型图谱可用于鉴定最可能受到人类疾病影响的细胞状态。这可以帮助我们克服当前的药物发现和开发中面临的主要挑战之一:研究人群平均水平可能会掩盖单个细胞中发生的重要且罕见的致病反应。这因而可能阻止开发准确的疾病模型,而且也阻止开发检测患者对新疗法作出反应的方法。在临床环境中将单细胞表型分析直接应用于患者身上仍然存在着许多障碍,但是巴塞尔分子与临床眼科研究所的分子和临床研究团队每天都在密切合作,旨在尽快地克服恢复视力所面临的这种障碍。”

【9】Nature:中国科学家使用单细胞测序来揭示人类胚胎植入的秘密

doi:10.1038/s41586-019-1500-0

中国多家机构的一个研究团队利用单细胞测序技术,对植入子宫的人类胚胎进行了更多的研究。在这项发表于Nature杂志上的论文中,该小组描述了从植入前、植入中和植入后对数千个人类胚胎细胞进行测序的过程,以及他们从中学到的新知识。

精子使卵子受精后不久,卵子就会附着在子宫内膜上。这使得胚胎能够从母体获得氧气和营养。在这项新的研究中,研究人员从细胞的角度观察了在人类繁殖的这一关键时期发生了什么。为了进一步了解植入过程中发生了什么,研究人员让65个人类卵子受精,并让它们在体外培养系统中生长。这使得他们能够在植入前、植入中和植入后研究成千上万的细胞。

研究人员在植入前(受精后6天)对大约2000个胚胎细胞进行了一种名为scTrio-seq的单细胞测序,从而开始了他们的研究。接下来,他们在植入后对另外9000个细胞进行了类似的测序。然后他们对3200个不同原始谱系的细胞进行了比较。

【10】Nature:利用单细胞谱系图谱追踪细胞直接重编程

doi:10.1038/s41586-018-0744-4

直接细胞谱系重编程涉及细胞身份转换,比如Fábio F. Rosa等人近期发现让小鼠成纤维细胞表达三种转录因子PU.1、IRF8和BATF3就可直接将它们重编程为呈递抗原的树突细胞,此外,让人类成纤维细胞表达这三种转录因子也可实现这一点(Science Immunology, 07 Dec 2018, doi:10.1126/sciimmunol.aau4292)。单细胞技术可用于破解细胞谱系转换过程中出现的相当大的异质性。然而,在细胞处理期间,细胞谱系之间的转换关系通常会丢失,这就使得重建这种转换轨迹复杂化。

在一项新的研究中,来自瑞典、葡萄牙、俄罗斯和英国的研究人员开发出一种称为CellTagging的组合细胞索引技术,它能够平行捕获细胞克隆历史和细胞身份。在这种技术中,连续多轮细胞标记使得这些研究人员能够重建多层细胞谱系树。在将成纤维细胞直接重编程为诱导性的内胚层祖细胞(endoderm progenitor)的过程中,通过对成纤维细胞进行CellTagging分析和纵向追踪,这些研究人员揭示出两个不同的转换轨迹:一种转换轨迹导致成功的重编程细胞产生,另一种转换轨迹导致“死端(dead-end)”状态,这两种转换轨迹在细胞谱系转换的最早阶段就已得到确定。(生物谷Bioon.com)

生物谷更多精彩盘点!敬请期待!

(润宝医疗网)
 
(文/小编)
分享到:

润宝医疗网 Copyright © 2006-2020 AiBaoYL.Com All Rights Reserved

Processed in 0.231 second(s), 66 queries, Memory 1.36 M