单细胞和空间转录组学：解读健康和疾病大脑复杂性 

首次尝试将脑组织学与基因表达结合起来，旨在检测结节性硬化症患者脑切片中的多个转录本。在20世纪90年代中期，Eberwine及其同事开发了一种多步骤方案，包括Nestin免疫染色、原位反转录、原位cDNA合成、标记细胞抽吸和通过反向Northern印迹杂交检测mRNA。这一优雅但技术上复杂的过程使得在皮质结节内的单个巢蛋白阳性巨细胞和神经元中检测到20多种mRNA成为可能。然而，在过去的十年中，个体神经细胞中基因表达谱的高通量测定才变得可行。这一进展是下一代DNA测序技术、分子生物学技术适应亚纳摩尔量的起始材料以及计算分析的扩大以适应大量样品的结果。迄今为止，与基因组规模分析相结合的最成熟的单细胞研究技术是单细胞RNA测序(scRNA-seq)。尽管scRNA-seq有局限性，包括数据稀疏性和低检测效率，但它可以在单个实验中测量数千个细胞中的数千个转录本。 

scRNA-seq方法的快速发展在短时间内带来了许多发现，包括鉴定新的细胞类型和亚型，描述罕见的细胞群，洞察人类大脑的进化，修订已建立的分化层次，以及表征发育过程中细胞状态变化和对外部刺激的反应。除了提供给定组织或器官内细胞状态的静态快照外，计算方法的快速发展使得使用单核RNA测序(snRNA-seq)和scRNA-seq来表征细胞中的动态过程成为可能(图1和2)。此外，新的空间转录组学方法现在正在提供结构层信息。这种空间分辨RNA测序可以提供空间组织和基因之间关系的信息功能，这对于研究致病标志附近失调的细胞网络至关重要。 

图1 一种基于液滴的单细胞RNA测序的实验管道概述。a、从组织中产生单细胞或单核悬浮液。b、使用微流控装置将单个细胞或细胞核用条形码珠包封在纳升液滴中。接下来的步骤包括:细胞裂解，捕获聚腺苷化RNA，结合引入独特的分子标识符和细胞条形码的逆转录，以及cDNA扩增和片段化。c，在标准平台上对获得的cDNA文库进行下一代测序，通常采用固相扩增。

图2 分析单细胞RNA测序数据集可以提供多种类型的细胞类型、状态及其激活信息，并可以推断细胞的动态过程。a，高维单细胞RNA测序数据可以通过使用降维算法来显示细胞簇来可视化。b，根据标记基因将细胞簇划分为特定的细胞类型和亚型。c，对单细胞转录组的深入分析可以提供关于细胞状态和激活信息，或者发现罕见的或新的细胞亚型。d，设计先进算法和计算工具来推断分化轨迹和过渡状态或在细胞水平上比较表型。AD，阿尔茨海默病;ALS，肌萎缩性侧索硬化症;CSC，癌症干细胞;DAM，疾病相关小胶质细胞;MS，多发性硬化;RA，活性星形胶质细胞;t-SNE, t分布随机邻居嵌入 

在最近的综述《Single-cell and spatial transcriptomics: deciphering brain complexity in health and disease》中，描述了单细胞技术如何促进了我们对与脑部疾病相关的几个方面的理解:选择性神经元易感性、神经免疫功能障碍和脑肿瘤细胞的异质性。评论了目前单细胞技术的局限性和挑战，并提供了对这些技术在神经学研究中的未来应用看法。 

总之，我们正在见证单细胞测序技术的爆炸式发展，在过去的6-7年里，从实验和数据分析的角度来看，单细胞测序技术已经大大成熟。我们对人类大脑及其病理的理解正在从描述性的组织学检查发展到详细的单细胞特征。特别是，scRNA-seq和snRNA-seq正在成为研究神经免疫功能障碍、选择性神经元对疾病易感性和细胞类型对治疗易感性或恢复力的宝贵工具。此外，来自单细胞研究的越来越多的证据表明，神经胶质细胞是中枢神经系统稳态和神经病理学的重要贡献者，特别是它们获得广泛激活状态的能力。单细胞技术的应用使我们更接近于阐明处于稳态和病理生理学边缘的细胞状态，至少在基因表达水平上是如此。 

在过去的几年中，已经启动了几个国际倡议，旨在根据独特的分子谱来定义人类细胞类型。其中一项倡议是人类细胞图谱计划，其目的是将生物医学界的不同小组聚集在一起，建立一个包括两个分支的综合图谱：一个是细胞分支，专注于单个细胞的特性，另一个是空间分支，专注于组织中细胞的组织学组织。泛欧洲LifeTime联盟旨在以单细胞分辨率研究复杂疾病的发病和进展及其对治疗的反应，最终目标是创建基于细胞的拦截药物框架。美国国立卫生研究院的BRAIN计划正进入一个新阶段，旨在到2026年实现三个主要目标——全面的人类脑细胞图谱、整个哺乳动物大脑微连接图和精确获取脑细胞类型的工具。 

我们现在可以对单个细胞或单个细胞核的RNA进行测序，检查染色质的状态，开始探索单个细胞的蛋白质组，甚至可以在空间上解析这些数据。我们设想，从单细胞中测量转录组和其他模式的先进综合技术将使我们能够研究人类健康和患病大脑的细胞类型特征，也许是亚细胞分辨率，并将为设计神经系统疾病患者的新治疗方法提供宝贵的信息。新兴的单细胞多组学技术和机器学习模型在临床应用、研究疾病机制和开发精准治疗方面具有巨大潜力(图3)。

图3单细胞和空间转录组学在临床应用中的未来发展方向。在未来，我们期望对患者单细胞或患者来源的体外模型的分析将有助于探索疾病的分子机制，并确定疾病期间出现的罕见细胞类型和细胞亚群的空间定位。此外，单细胞技术将有助于发现新的治疗靶点。新发现药物的疗效将在患者衍生的体外模型中进行测试，并使用单细胞技术进行监测，以确定患者对治疗的细胞类型特异性反应，然后可用于指定个体患者的最佳治疗策略。 

关于从单细胞和空间转录组学视角解读健康和疾病大脑复杂性的详细进展，可以参见文献[1]。 

参考文献

[1] Piwecka M, Rajewsky N, Rybak-Wolf A. Single-cell and spatial transcriptomics: deciphering brain complexity in health and disease. Nat Rev Neurol. 2023 May 17:1–17. doi: 10.1038/s41582-023-00809-y.

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. ​EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. ​EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC

12. 免疫信号通路关联的调控子数据库：ImmReg

13. 利用药物转录组图谱探索中药药理活性成分平台：ITCM

14. AgeAnno：人类衰老单细胞注释知识库

15. 细菌必需非编码RNA资源：DBEncRNA

16. 细胞标志物数据库：singleCellBase

17. ​实验验证型人类miRNA-mRNA互作数据库综述