單細胞轉錄組重要研究文獻匯總（二）

4.單細胞轉錄組測序在植物領域嶄露頭角

相比動物的單細胞研究，由于植物具有細胞壁的特點，使得植物的單細胞研究相比較難，但是繼2月份的擬南芥根組織單細胞轉錄組學研究[8]，本月在《Developmental Cell》上又發表了一篇基于擬南芥根組織的單細胞轉錄組學研究報道[9]。來自德國圖賓根大學植物分子生物學中心的研究人員運用10X Genomics 單細胞轉錄組測序方法對擬南芥的根組織細胞進行了圖譜鑒定。該圖譜提供了詳細的時空信息，確定了所有的主要細胞類型，包括靜止中心（QC細胞）的稀有細胞，揭示了在細胞命運轉化為獨特的細胞形狀和功能過程中的關鍵發育調控因子和下游基因。通過擬時間序列分析，該研究描繪了從細胞從niche到分化的精細發生軌跡及主要調控轉錄因子。幾乎在同一時間，華盛頓大學基因組科學中心的研究人員同樣利用擬南芥根組織的單細胞測序研究在植物頂級期刊《Plant Cell》上發表了擬南芥根圖譜結果[10]。在該研究中，除了和上述兩篇文章類似的根部細胞分類之外，還通過熱脅迫處理，來揭示在非生物脅迫下細胞內部的響應異質性。該研究表面單細胞轉錄組學研究在植物發育和生理學研究中都有這廣闊的前景。

圖5 根細胞中分生到細胞成熟過程的基因變化熱圖

5.單細胞研究方法學進展

除了以上單細胞轉錄組學研究進展之外，基于單細胞組學分析的方法學研究在本月也有成果發表，其中包括《Nature Method》關于細胞成分分析的CPM方法[11]，《Nucleic Acids Research》關于基于單細胞轉錄組數據的細胞特異性網絡構建[12]，《Genome Biology》上關于基于液滴單細胞轉錄組數據中低轉錄水平細胞識別（EmptyDrops）軟件的開發[13]，《Nature Biotechnology》上用于細胞可能性命運鑒定的Palantir算法開發[14]及《Nature Method》上有關tSNE算法優化的研究[15]。這些研究都為未來單細胞組學研究的進一步發展提供了強有力的工具。

為方便國內科研工作者的單細胞組學研究，上海生物芯片有限公司（SBC）于2018年引進10x Genomics單細胞組學檢測平臺，可為廣大科研工作者提供從樣本到分析的一體化解決方案，歡迎廣大科研朋友們與我們開展深入的溝通和廣泛的合作

1. Guo, J., et al., The adult human testis transcriptional cell atlas. Cell Res, 2018. 28(12): p. 1141-1157.

2. Sohni, A., et al., The Neonatal and Adult Human Testis Defined at the Single-Cell Level. Cell Rep, 2019. 26(6): p. 1501-1517 e4.

3. Ernst, C., et al., Staged developmental mapping and X chromosome transcriptional dynamics during mouse spermatogenesis. Nat Commun, 2019. 10(1): p. 1251.

4. Li, N., et al., Memory CD4(+) T cells are generated in the human fetal intestine. Nat Immunol, 2019. 20(3): p. 301-312.

5.  Miller, B.C., et al., Subsets of exhausted CD8(+) T cells differentially mediate tumor control and respond to checkpoint blockade. Nat Immunol, 2019. 20(3): p. 326-336.

6. Good, Z., et al., Proliferation tracing with single-cell mass cytometry optimizes generation of stem cell memory-like T cells. Nat Biotechnol, 2019. 37(3): p. 259-266.

7.  Mickelsen, L.E., et al., Single-cell transcriptomic analysis of the lateral hypothalamic area reveals molecularly distinct populations of inhibitory and excitatory neurons. Nat Neurosci, 2019. 22(4): p. 642-656.

8.  Ryu, K.H., et al., Single-cell RNA sequencing resolves molecular relationships among individual plant cells. Plant Physiol, 2019.

9.  Denyer, T., et al., Spatiotemporal Developmental Trajectories in the Arabidopsis Root Revealed Using High-Throughput Single-Cell RNA Sequencing. Dev Cell, 2019. 48(6): p. 840-852 e5.

10.  Jean-Baptiste, K., et al., Dynamics of gene expression in single root cells of A. thaliana. Plant Cell, 2019.

11. Frishberg, A., et al., Cell composition analysis of bulk genomics using single-cell data. Nat Methods, 2019.

12. Dai, H., et al., Cell-specific network constructed by single-cell RNA sequencing data. Nucleic Acids Res, 2019.

13.  Lun, A.T.L., et al., EmptyDrops: distinguishing cells from empty droplets in droplet-based single-cell RNA sequencing data. Genome Biol, 2019. 20(1): p. 63.

14. Setty, M., et al., Characterization of cell fate probabilities in single-cell data with Palantir. Nat Biotechnol, 2019.

15. Linderman, G.C., et al., Fast interpolation-based t-SNE for improved visualization of single-cell RNA-seq data. Nat Methods, 2019. 16(3): p. 243-245.