싱글 셀의 가변성

Single-cell variability

세포생물학에서, 단세포 변동성은 다른 유사한 모집단의 개별 세포들이 모양, 크기, 세포 주기에서의 위치 또는 분자 수준의 특성이 다를 때 발생한다.이러한 차이는 현대의 단세포 분석 [1]기법을 사용하여 검출할 수 있다.세포 집단 내에서의 가변성 조사는 발달 및 병리학적 과정의 이해에 기여한다.

단일 셀 분석의 예제입니다.여기서 이미징 소프트웨어는 시간이 [2]지남에 따라 이동되는 개별 세포를 추적하는 데 사용됩니다.

단일 셀 분석

세포의 샘플은 비슷해 보일 수 있지만, 세포는 모양과 크기, mRNA 발현 수준, 게놈 또는 대사물의 개별 수치와 같은 개별적인 특성에서 다양할 수 있습니다.과거에는 그러한 특성을 조사하기 위해 사용할 수 있는 유일한 방법은 세포 집단을 필요로 했고 모집단에 걸쳐 평균화된 관심 특성의 추정치를 제공했으며, 이는 세포들 사이의 중요한 차이를 모호하게 할 수 있었다.단세포 분석을 통해 과학자들은 모집단 간의 개인 차이를 밝히고 분자 생물학에서 새로운 통찰력을 제공하면서 관심 있는 단일 세포의 특성을 높은 정확도로 연구할 수 있습니다.이러한 개인 차이는 배아 성장 동안 개별 세포가 다른 "운명"을 가질 수 있는 발달 생물학, 개별 악성 세포가 치료에 대한 반응에서 달라질 수 있는 암 연구, 또는 전염병과 같은 분야에서 중요합니다.여기서는 모집단의 일부 세포만이 병원체에 의해 감염된다.

셀의 모집단 수준 보기는 [3]셀의 개별 하위 집합의 속성을 평균화하여 데이터에 대한 왜곡된 보기를 제공할 수 있습니다.예를 들어 특정 그룹의 세포 절반이 특정 유전자의 높은 수준을 발현하고 나머지는 낮은 수준을 발현하는 경우, 모집단 전체 분석 결과는 모든 세포가 특정 유전자의 중간 수준을 발현하는 것처럼 나타날 수 있다.따라서, 단세포 분석을 통해 연구자들은 생물학적 과정을 더 자세히 연구할 수 있으며, 다른 방법으로는 해결할 수 없었던 질문에 답할 수 있다.

변동의 종류

유전자 발현 변화

동일한 게놈을 가진 세포는 신체에서 특화된 기능, 세포주기의 시점, 환경, 소음 및 확률적 요인에 차이가 있어 유전자 발현에 차이가 있을 수 있다.따라서, 개별 세포에서 유전자 발현을 정확하게 측정하는 것은 연구자들이 세포 생물학의 이러한 중요한 측면을 더 잘 이해할 수 있게 해준다.예를 들어, 초파리 배아의 개별 세포에서 유전자 발현에 대한 초기 연구는 과학자들이 다양한 성장 단계 동안 특정한 유전자 전사의 규칙화된 패턴이나 구배를 발견하도록 하여 장소와 시간 수준에서 발달에 대한 더 자세한 이해를 가능하게 했다.단일 세포 수준에서만 식별될 수 있었던 유전자 발현의 또 다른 현상은 유전자가 주기적으로 온/오프되는 진동 유전자 발현이다.

단세포 유전자 발현은 전형적으로 RNA-seq를 사용하여 측정된다.세포가 분리된 후 RNA-seq 프로토콜은 일반적으로 세 [4]단계로 구성됩니다. RNA는 cDNA로 역전사되고, cDNA는 시퀀서에 더 많은 물질을 사용할 수 있도록 증폭되며, cDNA는 시퀀싱됩니다.

DNA 배열의 변화

박테리아와 같은 단세포 유기체의 개체군은 일반적으로 생식 중에 획득되는 돌연변이로 인해 DNA 배열이 약간 다릅니다.하나의 인간 안에서, 각각의 세포는 일반적으로 동일한 게놈을 가지고 있지만, 흥미로운 예외가 있습니다. B 세포는 DNA에 변화를 가지고 있습니다. B 세포는 신체를 공격할 수 있는 다양한 병원체에 결합할 수 있는 다른 항체를 만들 수 있습니다.단세포 수준에서 DNA 함량의 차이와 변화율을 측정하는 것은 과학자들이 병원균이 어떻게 항생제 내성을 발달시키는지, 왜 면역체계가 종종 HIV와 같은 바이러스의 빠른 변이를 위한 항체를 생산할 수 없는지, 그리고 다른 중요한 현상들을 더 잘 이해하도록 도울 수 있다.

게놈 염기서열 분석을 위한 많은 기술들이 존재하지만, 그것들은 단일 세포가 아닌 세포 집단의 DNA를 사용하도록 설계되었다.단세포 게놈 염기서열 분석의 주요 과제는 DNA의 여러 복사본을 만들어 염기서열 분석기에 사용할 수 있는 충분한 재료가 있도록 하는 것입니다. WGA라고 불리는 과정입니다.WGA의 일반적인 방법은 (1) 다중 치환 증폭([5]MDA)으로 구성됩니다.MDA는 DNA에 다중 프라이머를 아닐하고, 중합효소는 DNA를 복사하며, 다른 중합효소를 제거하며, 시퀀서에 의해 처리될 수 있는 가닥을 해방시키고, (2) PCR 기반 방법 또는 (3) 둘 모두의 조합으로 구성됩니다.

대사 특성 변화

세포는 세포를 지탱하는 복잡한 생화학 반응의 중간 화합물이자 최종 산물인 그들이 포함하는 대사 물질에서 다양합니다.다른 조건과 환경에서 유전적으로 동일한 세포들은 스스로를 유지하기 위해 다른 대사 경로를 사용할 수 있다.존재하는 대사물을 측정함으로써 과학자들은 사용되는 대사 경로를 추론할 수 있고 세포 상태에 대한 유용한 정보를 추론할 수 있다.이것의 예는 CD4+ 세포가 Th17 또는 TReg 세포로 분화할 수 있는 면역 체계에서 발견되는데, 두 세포 모두 다른 방식으로 면역 시스템의 반응을 지시한다.Th17 세포는 강한 염증 반응을 자극하는 반면 TReg 세포는 반대 효과를 자극한다.전자는 에너지 수요가 증가하기 때문에 해당과정에 [6]훨씬 더 많이 의존하는 경향이 있다.

세포의 대사 내용을 프로파일링하기 위해, 연구자들은 더 큰 집단에서 관심 있는 세포를 식별하고, 분석을 위해 격리하고, 신속하게 효소를 억제하고 세포 내의 대사 과정을 중단시키고,[7] NMR, 질량-스펙, 미세 유체학, 그리고 세포의 내용을 분석하는 다른 방법들과 같은 기술을 사용해야 한다.

프로테옴의 변화

대사체의 변화와 유사하게, 세포에 존재하는 단백질과 그 풍부함은 다른 유사한 집단의 세포마다 다를 수 있다.전사와 번역이 생산되는 단백질의 양과 종류를 결정하는 반면, 이러한 과정은 부정확하고, 세포는 단백질을 변화시키거나 분해할 수 있는 많은 메커니즘을 가지고 있어 유전자 발현의 차이로 설명되지 않을 수 있는 단백질의 변화를 가능하게 한다.또한 단백질은 단순히 존재하거나 존재하지 않는 것 외에 많은 다른 중요한 특징을 가지고 있다. 예를 들어, 인산화와 같은 번역 후 변형을 겪었거나 관심 분자에 결합되어 있는지 여부이다.단백질의 풍부함과 특징의 변화는 암 연구나 암 치료와 같은 분야에 영향을 미치는데,[8] 특정 단백질을 대상으로 하는 약물은 단백질의 변동에 의해 그 영향이 다양하거나 종양 이질성의 광범위한 생물학적 현상에 의해 효능이 달라질 수 있다.

세포측정학, 표면법 및 미세유체학 기술은 개별 세포의 [9]프로테옴을 프로파일링하는 데 일반적으로 사용되는 세 가지 종류의 도구입니다.세포측정법은 연구자들이 관심 세포를 분리하여 15-30개의 단백질을 염색하여 위치 및/[9]또는 상대적 풍부성을 측정할 수 있도록 한다.생체검사 검체 및 조직의 다중 표적 풍부성과 분포를 측정하기 위해 영상 순환 기법이 개발되었습니다.이러한 메서드에서 3-4목표 그 라벨 항체와, 사용했고, 그들이 fluorophores의 수단의 다양성에 추가적인 목표 후속을 주기로 얼룩질 수 있도록 methods,[11]oxidation-based chemistries[10]거나 더 최근에antibody-DNA 접합을 포함한 옷을 벗기고;어떤 방법에 60개까지 개별적인 모습 얼룩지고 있다.rgets ha가 [12]시각화되었습니다.표면법의 경우, 연구자들은 항체로 코팅된 표면에 단일 세포를 놓고, 항체는 세포에서 분비되는 단백질에 결합하여 [9]측정이 가능하도록 한다.단백질 분석을 위한 미세유체학 방법은 마이크로칩에 단일 세포를 고정시키고 관심 단백질을 측정하기 위해 염색 또는 관심 단백질에 결합하기 위해 항체를 사용합니다.

세포 크기 및 형태 변화

다른 유사한 모집단의 세포는 기능의 차이, 신진대사의 변화 또는 단순히 세포 주기 또는 다른 인자의 다른 단계에 있기 때문에 크기와 형태에 차이가 있을 수 있다.예를 들어, 줄기세포는 비대칭적으로 [13]분열할 수 있는데, 이것은 두 개의 딸세포가 다른 운명(특화된 기능)을 가질 수 있고 크기나 모양이 서로 다를 수 있다는 것을 의미한다.발달을 연구하는 연구원들은 줄기세포가 시간이 지남에 따라 어떻게 복잡한 조직이나 유기체로 분화되는지를 이해하기 위해 증가하는 인구에서 개별 자손의 신체적 특성을 추적하는 데 관심이 있을 수 있다.

현미경은 시간이 지남에 따라 고품질의 영상을 얻음으로써 세포 크기와 형태를 분석하는 데 사용될 수 있다.이러한 사진에는 일반적으로 셀 집단이 포함되지만 알고리즘을 적용하여 여러 이미지에 걸쳐 개별 셀을 식별하고 추적할 수 있습니다.알고리즘은 소음을 제거하고 주어진 연구 질문에 대한 관련 특성을 요약하기 [14]위해 기가바이트의 데이터를 처리할 수 있어야 한다.

세포주기의 변화

모집단의 개별 세포는 세포 주기의 다른 지점에 있는 경우가 많습니다.주기의 특정 지점에서 세포의 특성을 이해하고자 하는 과학자들은 모집단 수준의 추정치를 사용하는 데 어려움을 겪을 것이다. 왜냐하면 그들은 서로 다른 단계에서 세포로부터 측정치를 평균화하기 때문이다.또한, 종양에 있는 세포들처럼 각각의 병든 세포의 세포 주기를 이해하는 것 또한 중요하다. 왜냐하면 그것들은 종종 건강한 세포와 매우 다른 주기를 가질 것이기 때문이다.세포 주기의 특성에 대한 단세포 분석을 통해 과학자들은 이러한 특성을 더 자세히 이해할 수 있습니다.

세포 주기의 변동성은 앞에서 설명한 몇 가지 방법을 사용하여 연구할 수 있습니다.예를 들어, G2의 세포는 크기가 상당히 크며(두 개로 분할하려는 시점에 있기 때문에), 세포 크기와 모양에 대한 프로토콜을 사용하여 식별할 수 있다.S상 세포는 게놈을 복제하여 DNA를 염색하고 플로우 세포측정법이나 정량적 형광 현미경으로 그 함유량을 측정하는 프로토콜을 사용하거나 세포주기의 특정 단계에서 고도로 발현되는 유전자에 대한 프로브를 사용하여 식별할 수 있다.

레퍼런스

  1. ^ Habibi, Iman; Cheong, Raymond; Lipniacki, Tomasz; Levchenko, Andre; Emamian, Effat S.; Abdi, Ali (2017-04-05). "Computation and measurement of cell decision making errors using single cell data". PLOS Computational Biology. 13 (4): e1005436. Bibcode:2017PLSCB..13E5436H. doi:10.1371/journal.pcbi.1005436. ISSN 1553-7358. PMC 5397092. PMID 28379950.
  2. ^ Giedt, Randy J.; Koch, Peter D.; Weissleder, Ralph; Muñoz-Barrutia, Arrate (10 April 2013). "Single Cell Analysis of Drug Distribution by Intravital Imaging". PLOS ONE. 8 (4): e60988. Bibcode:2013PLoSO...860988G. doi:10.1371/journal.pone.0060988. PMC 3622689. PMID 23593370.
  3. ^ Sandberg, Rickard (30 December 2013). "Entering the era of single-cell transcriptomics in biology and medicine". Nature Methods. 11 (1): 22–24. doi:10.1038/nmeth.2764. PMID 24524133. S2CID 27632439.
  4. ^ Saliba, A.-E.; Westermann, A. J.; Gorski, S. A.; Vogel, J. (22 July 2014). "Single-cell RNA-seq: advances and future challenges". Nucleic Acids Research. 42 (14): 8845–8860. doi:10.1093/nar/gku555. PMC 4132710. PMID 25053837.
  5. ^ Macaulay, Iain C.; Voet, Thierry; Maizels, Nancy (30 January 2014). "Single Cell Genomics: Advances and Future Perspectives". PLOS Genetics. 10 (1): e1004126. doi:10.1371/journal.pgen.1004126. PMC 3907301. PMID 24497842.
  6. ^ Barbi, Joseph; Pardoll, Drew; Pan, Fan (March 2013). "Metabolic control of the Treg/Th17 axis". Immunological Reviews. 252 (1): 52–77. doi:10.1111/imr.12029. PMC 3576873. PMID 23405895.
  7. ^ Rubakhin, Stanislav S; Romanova, Elena V; Nemes, Peter; Sweedler, Jonathan V (30 March 2011). "Profiling metabolites and peptides in single cells". Nature Methods. 8 (4s): S20–S29. doi:10.1038/nmeth.1549. PMC 3312877. PMID 21451513.
  8. ^ Cohen, A. A.; Geva-Zatorsky, N.; Eden, E.; Frenkel-Morgenstern, M.; Issaeva, I.; Sigal, A.; Milo, R.; Cohen-Saidon, C.; Liron, Y.; Kam, Z.; Cohen, L.; Danon, T.; Perzov, N.; Alon, U. (5 December 2008). "Dynamic Proteomics of Individual Cancer Cells in Response to a Drug". Science. 322 (5907): 1511–1516. Bibcode:2008Sci...322.1511C. doi:10.1126/science.1160165. PMID 19023046. S2CID 9553016.
  9. ^ a b c Wei, Wei; Shin, Young; Ma, Chao; Wang, Jun; Elitas, Meltem; Fan, Rong; Heath, James R (2013). "Microchip platforms for multiplex single-cell functional proteomics with applications to immunology and cancer research". Genome Medicine. 5 (8): 75. doi:10.1186/gm479. PMC 3978720. PMID 23998271.
  10. ^ Sorger, Peter K.; Fallahi-Sichani, Mohammad; Lin, Jia-Ren (2015-09-24). "Highly multiplexed imaging of single cells using a high-throughput cyclic immunofluorescence method". Nature Communications. 6: 8390. Bibcode:2015NatCo...6.8390L. doi:10.1038/ncomms9390. ISSN 2041-1723. PMC 4587398. PMID 26399630.
  11. ^ Weissleder, Ralph; Juric, Dejan; Castillo, Andres Fernandez del; McFarland, Philip J.; Carlson, Jonathan C. T.; Pathania, Divya; Giedt, Randy J. (2018-10-31). "Single-cell barcode analysis provides a rapid readout of cellular signaling pathways in clinical specimens". Nature Communications. 9 (1): 4550. Bibcode:2018NatCo...9.4550G. doi:10.1038/s41467-018-07002-6. ISSN 2041-1723. PMC 6208406. PMID 30382095.
  12. ^ Lin, Jia-Ren; Izar, Benjamin; Wang, Shu; Yapp, Clarence; Mei, Shaolin; Shah, Parin M; Santagata, Sandro; Sorger, Peter K (2018-07-11). Chakraborty, Arup K; Raj, Arjun; Marr, Carsten; Horváth, Péter (eds.). "Highly multiplexed immunofluorescence imaging of human tissues and tumors using t-CyCIF and conventional optical microscopes". eLife. 7: e31657. doi:10.7554/eLife.31657. ISSN 2050-084X. PMC 6075866. PMID 29993362.
  13. ^ Knoblich, Juergen A. (February 2008). "Mechanisms of Asymmetric Stem Cell Division". Cell. 132 (4): 583–597. doi:10.1016/j.cell.2008.02.007. PMID 18295577.
  14. ^ Cohen, A. R. (3 November 2014). "Extracting meaning from biological imaging data". Molecular Biology of the Cell. 25 (22): 3470–3473. doi:10.1091/mbc.E14-04-0946. PMC 4230605. PMID 25368423.