个体的力量全基因组研究为单细胞生物学开启新的维度.docxVIP

每个细胞都是特殊的：全基因组研究为单细胞生物学提供了另一个维度单细胞分析为研究异质性，信号转导，以及随机基因表达提供了无比珍贵的了解手段。最近的技术进步打开了全基因组单细胞研究的大门Introduction从全体单细胞生物到复杂的组织，细胞与细胞间在基因型和/或表型特征上的变异似乎是普遍存在的。为了研究异质性及其生物学影响，研究者们用过低通量（low-throughput）方法——比如荧光指示剂，以及荧光原位杂交技术（FISH）——这些方法可以测定单细胞中为数有限的几个参数。另外一方面，基因组技术可以提供高通量方法，并且现在已被世界各地的实验室所用。但是到目前为止，基因组技术还是依赖于对总体均值的研究，总体均值是将成千上万的细胞集中在一起而得来的，摒除了对细胞与细胞间变异的全基因组分析。现在，测序技术及分子生物技术的进步正在引导单细胞全基因组定量分析的出现，也因此将基因组生物学与单细胞生物学集合到了一起（Figure 1）。我们讨论用大规模，全基因组技术对细胞间变异性进行研究的重要性，同时特别突出了技术上的突破，以及单细胞生物学的新前沿。细胞个体间的变异可源自基因差异，发育及功能状态，以及环境信号。即使是在基因完全一样的细胞群中，调控分子波动以及随机的基因表达也可以引起细胞个体相对于群体平均值的显著偏离。我们也描述了在这些不同水平上研究单细胞异质性的方法及其选择性的应用（selected applications）。基因差异是细胞异质性的来源之一基因差异毫无疑问是细胞变异性的最根本的基础。对单细胞中的全基因组DNA测序是一个挑战，在样本中取出的DNA有限的情况下，比如在单细胞的情况下，为了确保初始物质足够多得可以用来测序，全基因组扩增法通常十分重要。但是，扩增的误差会使基因组覆盖率不能达到最佳。多重置换扩增（Multiple displacement amplification, MDA）先用随机六碱基引物（hexamer，原意为六聚物）与变性DNA进行退火，然后进行DNA产物的等温链置换合成（Dean et al., 2002）。多重退火环状循环扩增技术（MALBAC，Zong et al.,2012）是一种全基因组扩增的新技术，有可能更进一步地减少误差，办法是确保扩增产物不会成为扩增的新模板，从而实现拟线性的扩增。但是从单细胞DNA测序中能有什么收获呢？我们简单讨论一下几种有吸引力的应用。最近，Rinkle等人（2013）用MDA技术从3300个，未经培养的单个微生物细胞中获取了基因组信息，这些细胞取自不同的地方。他们对其中一部分细胞做了16S rRNA分析，得以发现了新的系统发育关系，以及预料之外的代谢能力，这种代谢能力可能是由远古时期真核生物与古生菌发生了侧向的基因转移所致。肿瘤是由各种遗传异质性的细胞类型组成的。Navin等人（2011）利用一种新的全核分离及测序技术确定了取自乳腺癌样本中的细胞个体间的拷贝数变异，并识别出截然不同的细胞群，这些细胞群可能跟细胞克隆扩张时产生不同的方向（separate waves）有关。重要的是，作者在分离细胞之前，将肿瘤在大体上分成几个不同的部分，从而得以保留空间信息，并测定这个克隆结构在空间上是如何变异的。单细胞基因组还被用于研究单个生殖细胞的同源重组。通过在同源染色体间同源重组在生殖细胞个体中产生了唯一的杂合单倍型。Wang等人（2012）对单个精细胞的全基因组扩增，利用微射流做并行全基因组扩增处理（Using microfluidics for parallelized whole-genome amplification of single sperm cells），从而在91个人类精细胞中绘出了重组位点。在粗略的层面上，作者发现的重组位点分布类型，与过去对谱系数据做的群体水平分析（population-level analyses）所得出的类型是一样的。但是，更为详细的分析揭示出了个体特异性重组热点，并使得研究者可以对种系新生突变率进行直接测定。在一项体细胞嵌合型的研究中，McConnell等人（2013）在单细胞水平上研究了神经元中的拷贝数变异，这些神经元是从人诱导多能干细胞及死后人体大脑中取出的。与以前的大数量实验相比，发现少见拷贝数变异的能力是单细胞分析的一个重要优势。作者发现神经元与其它细胞类型相比，拷贝数变异明显更高，其缺失比复制更频繁。神经元中的拷贝数变异可能在功能多元化中起作用的设想十分有趣。但是，人类神经元中的嵌合拷贝数变异的生理学影响目前仍然不清楚。全基因组单细胞技术也为了解细胞核的组织带来了很大的希望。通过对大细胞群的总体均值进行研究，染色体构象捕获（3C）已经展示出了染色体折叠的一些基本原则。但是，到目前为止对细胞核组织的单细胞分析仅有可能用显微镜完