2020 年 1 月，整個中國因新型冠狀病毒 2019-nCov 得了一場“感冒”。疫情一開始，武漢病毒研究所石正麗團隊就用實驗證實了血管緊張素轉(zhuǎn)化酶 2（Angiotensin-converting enzyme 2，ACE2）是新型冠狀病毒感染人體的受體基因。2020 年 1 月 26 日，上海同濟大學(xué)醫(yī)學(xué)院左為研究團隊在《bioRxiv》上發(fā)表了題為“Single-cell RNA expression profiling of ACE2, the putative receptor of Wuhan 2019-nCov”的文章。

該研究利用已有的數(shù)據(jù)庫，結(jié)合單細(xì)胞 RNA 測序技術(shù)中相關(guān)生信分析，對 ACE2 在人肺內(nèi)單個細(xì)胞的表達(dá)情況進(jìn)行了分析，共涉及 8 個樣本，43134 個細(xì)胞。結(jié)果表明：ACE2 受體主要在一部分（1% 左右）II 型肺泡上皮細(xì)胞（AT2) 中表達(dá)；同時發(fā)現(xiàn)這些 AT2 細(xì)胞除了表達(dá)病毒受體，還表達(dá)與病毒復(fù)制和傳播相關(guān)的基因，說明其很可能是冠狀病毒的靶細(xì)胞。可見，單細(xì)胞測序技術(shù)不僅是科研的利器，同時還為破解疫情做了應(yīng)有的貢獻(xiàn)。那么，1 月份利用單細(xì)胞測序技術(shù)在基礎(chǔ)研究中還有哪些突破呢？

圖 1 人肺的單細(xì)胞分析

1 月份搜集到高分文獻(xiàn)（IF>10）26 篇，表 1 按照在線時間順序列出了文章所在期刊、研究方向，分選平臺以及英文題目等。

表 1 2020 年 1 月單細(xì)胞測序高分文獻(xiàn)集錦

我們知道 2011 年，《Nature Methods》將單細(xì)胞測序列為當(dāng)年度值得期待的技術(shù)之一；2013 年 1 月，《Science》雜志將單細(xì)胞測序列為年度值得關(guān)注的六大領(lǐng)域榜首；2014 年 1 月，《Nature Methods》將單細(xì)胞測序列為 2013 年度重要的方法學(xué)進(jìn)展。讓人興奮的是 2020 年 1 月 6 號《Nature Methods》將單細(xì)胞多組學(xué)分析選為了“Method of the Year 2019”，并在線發(fā)表 5 篇相關(guān)文章（表 1 中標(biāo)黃部分）。

其中，加利福尼亞大學(xué)圣地亞哥分校任兵教授在文章“Single-cell multimodal omics: the power of many”中分享了單細(xì)胞多組學(xué)的實驗設(shè)計。文章首先總結(jié)現(xiàn)有的單細(xì)胞多組學(xué)測序技術(shù)的應(yīng)用范圍，包括細(xì)胞核內(nèi) DNA，RNA，DNA 甲基化，染色體開發(fā)程度，染色體三維結(jié)構(gòu)，胞質(zhì) RNA，線粒體基因組，細(xì)胞表面蛋白質(zhì)以及基于 CRISPR 的測序技術(shù)。

圖 2 已開發(fā)的同時分析單細(xì)胞表觀遺傳特征、DNA 序列、基因表達(dá)變異和細(xì)胞表面蛋白的方法。藍(lán)色代表低通量高成本的測序技術(shù)，棕色代表高通量低成本的測序技術(shù)。

然后作者總結(jié)現(xiàn)有技術(shù)的不足和發(fā)展的方向，比如單細(xì)胞基因檢測數(shù)較少（可通過實驗設(shè)計改善）；單細(xì)胞蛋白組學(xué)不成熟（提高靈敏度和通量）；空間測序技術(shù)只用于轉(zhuǎn)錄組（應(yīng)擴展到其他組學(xué)）。

圖 3 現(xiàn)有單細(xì)胞多組學(xué)技術(shù)的不足和發(fā)展方向

同時在線的另外一篇文章“Computational methods for single-cell omics across modalities”則講述了單細(xì)胞多組學(xué)聯(lián)合分析方法。分析對象：整合不同數(shù)據(jù)對象（ATAC，RNA，蛋白）的同時，保留細(xì)胞類型固有生物學(xué)差異。實際問題：批次效應(yīng)處理，ATAC/RNA 整合，CITE-seq 數(shù)據(jù)分析等。基本方法：CCA/ 非負(fù)矩陣分解 / 自編碼等。基本原理：多組學(xué)整合的思路與批次效應(yīng)去除的思路相似，combat 是基于線性回歸的批次效應(yīng)去除方法，CCA 是 Seurat 剛開始處理批次效應(yīng)的基本方法，后來用于 ATAC/RNA 整合的方法 anchor 也是基于 CCA，ATAC/RNA 整合的方法也可以用非負(fù)矩陣分解。未來可期：RNA 和 ATAC 組合可以促進(jìn)調(diào)控網(wǎng)絡(luò)研究；空間數(shù)據(jù)可以輔助細(xì)胞間相互作用的分析；整合 Bulk 數(shù)據(jù)和單細(xì)胞數(shù)據(jù)。

圖 4 單細(xì)胞多組學(xué)聯(lián)合分析不同計算方法的示意圖

1 月份單細(xì)胞測序另一個突破就是和空間轉(zhuǎn)錄組實現(xiàn)強強聯(lián)合，以獲得目標(biāo)組織的三維空間轉(zhuǎn)錄組圖譜。2020 年 1 月 13 日，《Nature Biotechnology》上發(fā)表了“Integrating microarray-based spatial transcriptomics and single-cell RNA-seq reveals tissue architecture in pancreatic ductal adenocarcinomas”的文章。作者對 3 個胰腺導(dǎo)管癌（PDAC）組織 A、B、C 進(jìn)行 scRNA-seq（indrop-seq），同時對 2 個主要樣本（A、B，各 3 張切片），4 個附加樣本（D、E、F 和 G，各 1 張切片），共 10 張切片做空間轉(zhuǎn)錄組（ST）。樣品 A 和 B 的 scRNA-seq 和 ST 的數(shù)據(jù)集信息通過多模式相交分析（Multimodal intersection analysis，MIA）進(jìn)行整合，就是用超幾何算法檢驗細(xì)胞亞群的 marker 基因與組織亞區(qū)的 marker 基因重疊的數(shù)目是否達(dá)到顯著水平，若顯著，則認(rèn)為該細(xì)胞亞群與該組織亞區(qū)相對應(yīng)。

作者確定了組織中亞區(qū)中特定的細(xì)胞類型后，通過進(jìn)一步細(xì)分細(xì)胞亞群和組織亞區(qū)，再次利用 MIA 算法進(jìn)行映射，獲得了更為詳細(xì)的細(xì)胞位置 - 類型信息。作者利用得到的 MIA 結(jié)果繪制了不同腫瘤樣本微環(huán)境的特點，免疫環(huán)境狀態(tài)，應(yīng)激水平以及細(xì)胞之間相互作用的模式，有助于預(yù)判患者預(yù)后。可見，MIA 算法的開發(fā)可將高分辨率的 scRNA-seq（單細(xì)胞水平）和帶空間位置信息的 ST 結(jié)合，為全面解析組織生物學(xué)信息提供了技術(shù)支撐。

圖 5 實驗設(shè)計與分析示意圖。手術(shù)切除的 PDAC 腫瘤同時進(jìn)行 scRNA-seq 和 ST 處理。聚類后，根據(jù)特異表達(dá)的基因推斷每個簇的細(xì)胞類型。剩余組織的冷凍切片用于 ST 分析，其中每個點捕獲組織中特定位置細(xì)胞中的轉(zhuǎn)錄組。將多模式相交分析（MIA）應(yīng)用于兩個數(shù)據(jù)集，揭示了各種細(xì)胞類型的空間分布。