BRAIN計劃的首要任務之一是鑑定大腦中不同類型的細胞，並確定其在健康和疾病中的作用。在創新的單細胞測序方法的幫助下，各個實驗室正在朝着這個目標努力。

大腦是人體中最複雜的組織，也是當今科學中最大的挑戰之一。儘管神經科學近年來已經飛速發展，但大多數神經和精神疾病的內在原因仍不清楚。爲了開發有效的療法，研究人員需要更多的工具和信息，才能瞭解大腦在健康和疾病狀態下如何工作。

爲了解決這些挑戰，美國前總統奧巴馬在2013年4月啓動了推動創新神經技術大腦研究（BRAIN）計劃。這個計劃的研究內容很廣泛，小到原子和分子，大到思想和行爲，主要是將細胞活動和大腦功能相關聯。

爲此，美國國立衛生研究院（NIH）召集了一個工作組，爲實現這一宏偉目標而制定了一個嚴格的計劃。BRAIN 2025報告在2014年6月發佈，提出了從2016財年開始的十年大計：前五年主要側重於技術開發，後五年將技術整合來做出新發現。

細胞類型的普查

加州大學伯克利分校的John Ngai說：“目前的限制在於，我們缺乏組成大腦的所有神經元的全面列表，以及它們如何相互連接的線路圖。這些不同類型的細胞如何協同工作，讓這臺超級複雜的生物計算機發揮作用？”

在BRAIN計劃的資助下，Ngai及其團隊利用單細胞轉錄組學來分類皮層神經元。爲了瞭解神經元爲何彼此各異，他們正在探索一種小鼠腦細胞，確定負責向細胞亞型分化的基因，並利用一種新的標記技術來檢驗每種亞型是否具有獨特的功能。

正如6月份的《Cell Stem Cell》所報道，Ngai等人開發出一種整合的方法，也就是將單細胞RNA測序數據的計算機分析與體內譜系追蹤相結合。通過這種方法，研究人員能夠闡明單個嗅覺幹細胞的細胞命運以及嗅覺譜系軌跡中分叉點的位置，這是以往的技術無法實現的。

“我們第一次能夠在沒有先驗知識的情況下，確定異質細胞羣體中的細胞類型和細胞狀態。在選擇細胞命運的行動中，我們真的抓住了細胞，並確定了一些推動這種命運的基因，”Ngai說。

這種綜合分析鑑定出嗅覺上皮中主要細胞類型產生的軌跡，這也可以作爲一個模型，去闡明其他幹細胞的複雜軌跡。據作者介紹，在鑑定掌控細胞命運的複雜調控網絡時，這種詳細的譜系軌跡圖是必不可少的，有助於在治療應用中操控細胞。

大規模的單細胞分析

在美國的另一邊，哈佛大學的Joshua Sanes及其團隊也在使用單細胞轉錄組學。他們的重點是開發遺傳篩查的新方法，以便全面地對大腦區域中不同類型的細胞進行分類。“我們的研究主要是以視網膜爲模型來比較各種單細胞方法，並打算利用最佳方法來生成完整的細胞圖譜，”Sanes說。

2015年5月，Sanes及其同事在《Cell》雜誌上介紹了Drop-seq，這種策略可以快速分析數千個單細胞。它將樣本分成納升大小的液滴，在每個細胞的RNA上關聯不同的條形碼，然後再開展測序。

Drop-seq可同時分析數千個單細胞的mRNA轉錄本，並記住每條轉錄本的細胞來源。研究人員分析了44,808個小鼠視網膜細胞的轉錄組，鑑定出39個轉錄上不同的細胞羣體，建立了基因表達的分子圖譜（既包含已知的視網膜細胞，又包含新的亞型）。

“Drop-seq首次實現了數萬個細胞的轉錄組分析，大大降低了實驗成本，”Sanes說。“事實上，這篇文章報道的單細胞轉錄組可能相當於以往所有發表研究的總和。這種方法的創新不僅僅是硬件上的，還需要新的生物信息學方法來處理海量的數據集。”

一年後，Sanes及其團隊的成果又登上《Cell》雜誌。他們這次開發出一種整合策略，以建立完整的細胞圖譜。利用Drop-seq和經過優化的計算方法，研究人員研究了小鼠視網膜雙極細胞。“即使視網膜的神經元研究已開展了150年，我們還是發現了一些新的類型，”第一作者、Broad研究所的Karthik Shekhar說。

從大約25,000個雙極細胞羣體中，研究人員得出一個分子分類系統，並鑑定出15種類型，包括之前觀察到的所有細胞類型和2種新類型。“我們接近完整繪製了視網膜的神經元圖譜，這在哺乳動物大腦中尚屬首次，”Shekhar說。

據介紹，這項工作提供了一個系統的方法，可實現神經元的全面分類，以確定新型的神經元，並揭示各個細胞類型之間的轉錄差異。隨着多重分析技術的進步和測序成本的下降，未來的研究將能夠以更高的深度分析更多的細胞。

“我認爲，無法全面分類神經元，是瞭解神經功能及失調的主要瓶頸，”Sanes說。“我希望視網膜上的成功將幫助我們優化流程，隨後將其應用到不易處理的區域，如大腦皮層。”

這一努力也許有助於發現腦部疾病中的路線故障。“比如，一些疾病看起來特別神祕，因爲它們隻影響了大腦中少數的神經元或膠質，追蹤起來就像大海撈針，”Sanes說。“當我們分類神經元，並開發方法來標記甚至純化它們時，我們能夠確定它們是不是我們要找的對象。”

參考文獻：

1. Fletcher RB et al. Deconstructing Olfactory Stem Cell Trajectories at Single-Cell Resolution. Cell Stem Cell. 2017 Jun 1;20(6):817-830.e8. doi: 10.1016/j.stem.2017.04.003. Epub 2017 May 11.

2. Macosko EZ et al. Highly Parallel Genome-wide Expression Profiling of Individual Cells Using Nanoliter Droplets. Cell. 2015 May 21;161(5):1202-14. doi: 10.1016/j.cell.2015.05.002.

3. Shekhar K et al. Comprehensive Classification of Retinal Bipolar Neurons by Single-Cell Transcriptomics. Cell. 2016 Aug 25;166(5):1308-1323.e30. doi: 10.1016/j.cell.2016.07.054.