技術上的突破？

　　傳統大量細胞轉錄組測序的均質化，掩蓋單個細胞的異質性

　　衆所周知，細胞是生物體結構和功能的基本單位，一切動植物都是由單細胞發育而來，並由細胞和細胞產物構成。生物體中，每個細胞有獨特的表型和生物學功能，體現在不同組學間的差異。

　　傳統轉錄組測序（Bulk RNA-seq）是基於大量細胞的研究，表達水平是一羣細胞的相對平均水平。因此，在混合細胞羣中，傳統的 Bulk RNA-seq 無法分析到個體細胞的關鍵差異，特別是，無法研究複雜的表達時刻變化的系統，以及系統中基因的表達特性。

　　單細胞轉錄組測序（Single cell RNA-seq）的出現解決了這一難題，它提供單個細胞的表達譜信息。雖然不可能獲得每個細胞表達的每種 RNA 的完整信息，但是在有限的原材料下，可以通過基因聚類分析 / 鑑定基因表達模式，揭示或發現細胞羣中稀有細胞類型的存在。

　　10x Genomics 單細胞 RNA-seq：大規模單細胞、高基因檢出率、單個細胞檢測費用低、應用多樣

　　單細胞轉錄組測序，並非一個新的概念，早在 1992 年 Eberwine, J. 等人[1]利用體外轉錄擴增的方法研究大鼠腦中限定區域的急性解離細胞，分析了單個活神經元中的基因表達特徵。但基因檢出數和檢測通量都較低。隨着檢測技術不斷髮展，中國科學家湯富酬首次將單細胞 RNA 與高通量測序結合[2]，極大的增加了檢測通量。但受限於單細胞分離技術，並非所有實驗室都能順利完成單細胞測序實驗。

　　（單細胞轉錄組測序流程，From Wikipedia）

　　10x Genomics ChromiumTM單細胞測序系統，利用其微流控芯片系統，將單細胞分離簡單化。整合微流控系統、10x Barcode、UMI 序列標籤，10x Chromium 儀器極大的突破了單細胞的檢測通量：

　　八通道雙十字微流體芯片，自動分離單細胞；

　　從單個細胞中非定向擴增整個轉錄組；

　　並行處理多個細胞的能力。

　　（10x Genomics 單細胞 3'RNA 轉錄組測序，Nat Commun. 2017 Jan 16;8:14049.

　　[3]）

　　最新的 10x Genomics 單細胞3'轉錄組測序 V3 試劑盒，更能匹敵傳統單細胞測序：

　　與 V2 試劑盒相比，相同測序量下，大大增加檢測細胞數，基因檢出數提升兩倍；

　　檢測靈敏度的顯著提升；

　　Cell ranger 分析軟件功能升級，有效分析出以往遺漏的混雜在背景中的細胞；

　　基於 feature barcoding 技術，聯合單細胞表達譜＆細胞表面蛋白 / 單細胞 CRISPR篩選，組學研究更全面應用更廣泛。

　　（文末有驚喜）

　　高分 SCI 文章思路？

　　10x Genomics 單細胞轉錄組測序 2016 年初入研究者們的視野，在 2017 下半年開始爆發，帶來的是各個研究方向的經典案例，它讓研究人員更易在單細胞層面進行科學研究，它是發現新型細胞類型的利器，更適用於構建細胞圖譜，鑑定細胞羣體。

　　統計基於 10x Genomics 平臺的研究，在新型細胞類型的發現、全器官的細胞圖譜、細胞羣體鑑定三個方面應用最多。這也是 10x 的長處所在。

　　Science | 10x 單細胞轉錄組測序構建人腎臟細胞圖譜

　　研究發表於 2018 年 8 月 10 日[4]，作者從腎癌、健康胎兒、正常人腎臟三個方面，通過 10x Genomics 大規模單細胞轉錄組測序構建了人不同腎臟的細胞圖譜，然後進一步鎖定與兒童腎母細胞瘤（Wilms）相關的特定胎兒細胞類型，突破性的發現與腎癌（RCC）相關的正常細胞，並描繪了複雜的血管內皮生長因子（VEGF）信號電路。

　　Cell Metab | 單細胞測序鑑定脂肪基質細胞和免疫細胞亞羣

　　研究發表於 2018 年 8 月[5]，作者通過 10x 單細胞 RNA 測序綜合鑑定了脂肪基質細胞和免疫細胞的亞羣。

　　檢測超過 33,000 個基質細胞，分別來源於正常條件和 ADRB3 激活下的附睾 WAT（eWAT）和腹股溝 WAT（iWAT）組織。

　　單細胞測序在 eWAT 和 iWAT 中均鑑定出不同的 ASC 細胞亞羣，這些亞羣在脂肪生成過程中的作用存在差異。ADRB3 激活使 eWAT 中增殖的 ASC 細胞的增加。

　　單細胞測序鑑定出 eWAT 細胞中不同的免疫細胞類型，包括佔據脂肪形成位置的增殖巨噬細胞。

　　晶能生物3年單細胞測序服務經驗、8臺 10x Genomics 儀器、9年高通量測序經驗、超20人專業單細胞服務團隊、各種類型單細胞處理經驗。晶能生物爲您提供 10x Genomics單細胞測序完整解決方案。

　　參考文獻：

　　[1] Eberwine J, Yeh H, Miyashiro K, et al. Analysis of gene expression in single live neurons. Proc Natl Acad Sci U S A. 1992;89(7):3010-4

　　[2] Tang F, Barbacioru C, Wang Y, et al. mRNA-Seq whole-transcriptome analysis of a single cell. Nat Methods. 2009;6(5):377-82

　　[3] Zheng GX, Terry JM, Belgrader P, et al. Massively parallel digital transcriptional profiling of single cells. Nat Commun. 2017

　　[4] Young MD, Mitchell TJ, Vieira Braga FA, et al. Single-cell transcriptomes from human kidneys reveal the cellular identity of renal tumors. Science. 2018;361(6402):594-599

　　[5] Burl RB, Ramseyer VD, Rondini EA, Pique-Regi R, Lee YH, Granneman JG. Deconstructing Adipogenesis Induced by β3-Adrenergic Receptor Activation with Single-Cell Expression Profiling. Cell Metab. 2018;28(2):300-309.e4

　　文章來源：晶能生物

　　題圖來源：站酷海洛PLUS