表观基因组和转录组是分子生物学的重要组成部分，它将遗传蓝图转化为活细胞的“工具和材料”。对于每个个体，不同类型细胞的基因组可能是相同的，但其表观基因组和转录组则并不相同。表观基因组决定了哪些基因会被激活，以及它们激活的方式及时间。换言之，表观基因组标记决定了每个细胞的基因组将做什么。它调控了人体的正常发育，其调控失常也与癌症等多种疾病相关联。而转录组则是这些指令本身的一组副本，同样是研究细胞表型和功能的一个重要手段。在RNA转录的过程中，细胞只能接近染色质包装的双链基因组的某些部分。由于这种通路在不同细胞类型之间存在差异，因此染色质可及性有助于确定多细胞生物体中各种细胞的形状、功能和多样性。

当前，虽然科学界可以越来越多地在单细胞分辨率下探索转录、染色质及DNA甲基化等，但大多数检测技术仅能观察细胞生物学的某一个方面。实际上，对单细胞内的多种分子，如RNA和DNA进行同时分析，有助于揭示分子间潜在的调节关系并丰富单细胞图谱的效用。此外，迄今为止，核酸的“协同分析”仍主要依赖于物理方法分隔每个细胞，使其通量限制在几个细胞上。

文章于8月30日发表于Science期刊

近日，一项发表于Science期刊的重磅文章为单细胞研究领域带来了突破！来自美国华盛顿大学及威斯康星大学的研究团队开发了一种可以同时分析数千个单细胞中表观基因组和转录组的新方法，且不必依赖微流控或其他设备。

据悉，这种联合分析方法名为“sci-CAR”。“sci”代表单细胞组合标记（single-cell combinatorial indexing）技术，这是一种研究大量单细胞的方法，涉及一系列条码和稀释步骤，使单个细胞能够被唯一标记而无需物理分离细胞。2017年3月，美国俄勒冈研究人员曾在Nature Methods上发表文章，基于单细胞组合标记技术开发了SCI-seq技术，能够同时构建上千个单细胞文库，检测体细胞拷贝数的变异。

在发表于8月30日的最新Science文章中，sci-CAR技术能够有效地将sci-ATAC-seq和sci-RNA-seq组合成单一方案，将RNA测序与染色质可及性相结合，可谓一箭双雕！研究人员指出，sci-CAR技术可以帮助揭示某些遗传机制的关联及调控机制，有助于更全面地了解各种细胞类型及其功能，并改善复杂生物细胞图谱的效用，如小鼠的细胞图谱。最终，这一技术或将有助于更好地绘制人类细胞图谱。

sci-CAR技术流程

作为概念验证，研究人员首先利用sci-CAR技术在肺癌皮质醇反应细胞培养模型中对超过4,800个细胞进行了联合检测。在该模型中，研究人员利用地塞米松对这些细胞进行治疗。这种合成类固醇激素可以激活基因组上数千个位点的结合，并改变数百个基因的表达。随后，研究人员随着时间进程分析了地塞米松对基因表达的影响，以及在同一细胞中染色质可及性的动态变化。他们从4,825个细胞中获得了RNA-seq和ATAC-seq数据，显示了基因表达和染色质可及性如何随时间变化。此外，研究人员还试图研究了在哺乳动物肾脏中，不同类型细胞信使RNA的基因调控图谱。在将sci-CAR联合分析技术应用到小鼠肾脏细胞的细胞核中，他们从11,296个细胞中获得了转录组和染色质可及性的信息。研究人员将小鼠肾细胞分为14组，并对细胞类型特异性表观基因组和相关的转录组特征进行了描述。基于表观基因组和转录组分析之间的协方差，研究人员还发现，他们可以在基因组调控元件及其目标基因之间建立联系，从而解释不同细胞类型之间基因表达的差异，并鉴定了在9种细胞类型中差异表达的近9,000个基因。

文章通讯作者、华盛顿大学基因组研究所Jay Shendure教授

随着测序成本的持续下降以及一系列单细胞分析技术和方法的涌现，单细胞测序数据正在急剧膨胀，但绝大多数数据都集中在基因表达上。文章通讯作者、华盛顿大学基因组科学研究所Jay Shendure教授表示：“基因表达当然非常有趣，但细胞内部还有其他事情发生。”他表示，将基因表达与染色质可及性数据进行组合有很多原因。单细胞ATAC-seq数据可能非常“稀疏”，因为数据分布在整个基因组中；而单细胞RNA-seq则截然不同，只关注转录本。“单独基于ATAC-seq数据区分细胞类型是很困难的，因此你可以使用RNA-seq数据来识别细胞，但同时也可以获得这些细胞的染色质可及性数据。”

展望未来，研究人员表示，这种联合分析方法明显优于单独分析RNA转录或DNA可及性。同时，sci-CAR的另一个优点在于该方法可以同时用于联合分析数百万个单细胞。研究人员希望继续结合其他联合分析，以便分子生物学家能够同时追踪从DNA到RNA的遗传信息，以及复杂生物的不同单细胞中可能存在的许多特定蛋白质。Jay Shendure教授最后表示，这种联合检测可能对大规模项目有益，例如人类细胞图谱计划（Human Cell Atlas），该计划正在从数千个单细胞中获取基因表达数据。“理想情况下，这样的细胞图谱还将涵盖其他信息，”Jay Shendure教授说道，“包括染色质可及性和空间信息，这些都应在相同的细胞中共同得到分析。”

参考文献：

1. Junyue Cao, Darren A. Cusanovich, Vijay Ramani, Delasa Aghamirzaie, Hannah A. Pliner, Andrew J. Hill, Riza M. Daza, Jose L. McFaline-Figueroa, Jonathan S. Packer, Lena Christiansen, Frank J. Steemers, Andrew C. Adey, Cole Trapnell, Jay Shendure. Joint profiling of chromatin accessibility and gene expression in thousands of single cells. Science, 2018; eaau0730 DOI: 10.1126/science.aau0730