WikiSort.ru - Не сортированное

ПОИСК ПО САЙТУ | о проекте

Транскриптомика отдельных клеток (англ. single-cell transcriptomics) — область биологических исследований, в которой основным инструментом служат методы количественного анализа экспрессии генов в индивидуальных клетках. Эти методы сочетают в себе современные технологии секвенирования РНК отдельных клеток (scRNA-Seq от англ. single-cell RNA sequencing) и последние достижения микрогидродинамики. Они позволяют решить проблему «усреднённых» данных, получаемых при традиционном секвенировании массовых популяций клеток.

Развитие технологий секвенирования РНК отдельных клеток
2009 Впервые проведено секвенирование РНК отдельных клеток
2011 Технология STRT-Seq: улучшенное покрытие 5' конца
Технология SMART-Seq: амплификация с полным покрытием
2012 Избавление от систематических ошибок при ПЦР с помощью in vitro транскрипции
2013 Технологии Quartz-Seq, DP-Seq, SMART-Seq2: удешевление процесса, улучшенная чувствительность
2014 Появление технологий с использованием уникальных молекулярных идентификаторов («штрихкодов»): STRT-Seq UMI, MARS-Seq, CEL-Seq UMI
2015 Технологии CytoSeq, SC3-seq: увеличение производительности

Одноклеточное секвенирование РНК сделало возможными анализ клеточного многообразия в популяциях клеток, считавшихся ранее однородными; анализ траекторий развития клеток и моделирование динамики транскрипционных процессов — и всё это в очень высоком биологическом «разрешении», недостижимом при секвенировании ансамблей клеток. Из-за этого сильно возрастает размерность данных и, как следствие, вычислительная сложность анализа. Кроме того, несмотря на стремительное развитие, методы одноклеточного секвенирования всё ещё имеют определённые технические недостатки. В последние годы продолжают разрабатываться всё новые и новые биоинформатические методы для преодоления указанных проблем и получения более точных результатов экспериментов с отдельными клетками.

С помощью технологий одноклеточное секвенирования РНК и методов транскриптомики уже получены важные результаты в иммунологических, эмбриологических и онкологических исследованиях.

Различные этапы исследования РНК отдельных клеток, на которых применяются методы биоинформатики
А. Контроль качества результатов эксперимента
Б. Примеры исследования гетерогенных популяций клеток: разные клеточные типы, спектр состояний клеток в ткани, спектр состояний клеток при развитии или ином биологическом процессе
В. Анализ источников и уровня шума: биологического и технического

Технология одноклеточного секвенирования РНК

Несмотря на существенный прогресс в технологиях секвенирования, происходящий в последнее время, всё ещё невозможно секвенировать РНК отдельной клетки напрямую: сначала необходимо получить из неё комплементарную ДНК (кДНК). Кроме того, при одноклеточном секвенировании РНК исследователь должен решить две задачи, не возникающие при секвенировании ансамблей клеток: выделение отдельной клетки и амплификация очень небольшого количества РНК, содержащегося в ней. Вследствие этого, все технологии одноклеточного секвенирования имеют схожие этапы:

  1. Отдельную клетку выделяют и лизируют
  2. Из клетки выделяют РНК и с помощью обратной транскрипции получают кДНК
  3. Полученное малое количество кДНК амплифицируют путём полимеразной цепной реакции (ПЦР) или in vitro транскрипции.
  4. Амплифицированную кДНК используют для подготовки библиотек и секвенирования.

Выделение отдельных клеток

Сортировка флуоресцентно активированных клеток. Общая схема
Поток капель, каждая из которых содержит единственную клетку, проходит через возбуждающий лазерный луч. Флуоресцентный сигнал, исходящий от каждый клетки, анализируется мультиспектральным детектором. После этого отклоняющие пластины создают электростатическое поле, направляющее клетку в нужную пробирку в зависимости от проанализированного сигнала.
Сортировка флуоресцентно активированных клеток
Два примера микрогидродинамических методов
Устройство для цифровой ПЦР отдельных клеток объединяет все шаги анализа экспрессии генов:
1) каждая клетка помещается в отдельную микрокамеру (клетки указаны стрелками);
2) клетки по отдельности лизируются и обратно транскрибируются;
3) над каждой клеткой производится цифровая ПЦР.

Микрожидкостная система отбора редких раковых клеток:
1) цельная кровь очищается от эритроцитов путём сортировки по размеру клетки;
2) редкие раковые клетки выделяются с помощью магнитофореза.

Этот метод комбинирует многопараметрическую проточную цитометрию и сортировку при помощи заранее заданной стратегии флуоресцентного стробирования. Флуоресцентно меченные антитела используются для отделения интересующих нас клеток в соответствии с целевыми поверхностными маркерами. На данный момент одновременно можно использовать до 17 антител[1][2], что даёт возможность проводить продвинутое иммунофенотипирование, позволяющее определить интересные подмножества клеток даже в ранее изученных популяциях.

Другой вариант проточной цитометрии использует антитела к различным внутриклеточным белкам и отбирает клетки в зависимости от сигнала[3][4]. Этот метод требует фиксации и пермеабилизации клеток[3][4], что может усложнить последующий транскриптомный анализ.

Ограничения метода:

  • Необходимы антитела к интересующим белкам
  • Не может обрабатывать образцы крайне малых объёмов (несколько микролитров)
  • Не подходит для анализа крайне редких клеток (одна интересующая нас клетка на миллион)
  • Не подходит для анализа клеток значительно отличающихся размеров
  • Существующие на данный момент реализации не способны совмещать фотографирование и сортировку, препятствуя морфологическому анализу, но это может измениться в будущем[5][6]
Микроманипуляция

Стеклянная микропипетка используется для отделения одной клетки из популяции под микроскопом. Микроманипуляция была успешно применена для выборки отдельных нейронов из первичной культуры[7], отдельных клеток из эмбрионов различных стадий развития[8] и бактерий[9].

Ограничения метода:

  • Клетки отбираются вручную, это трудоёмкая процедура
  • Небольшая скорость обработки клеток (несколько клеток в час)
  • Не может обрабатывать образцы крайне малых объёмов
Оптический пинцет

Оптический пинцет использует сильно сфокусированный лазер для удержания и перемещения микроскопических диэлектрических объектов. В сочетании с отбором, основанным на фотографии, оптический пинцет может захватывать и манипулировать отдельными клетками в суспензии[7] или в массиве внутри микрожидкостного устройства[10][11][12].

Ограничения метода:

  • Требует продвинутого оптического оборудования

Лизис отдельных клеток и получение кДНК

Эукариотические клетки обычно лизируются в гипотоническом растворе (буфере), содержащим растворитель. В клетке содержится много разных молекул РНК, и в результате хотелось бы определить их все, за исключением тРНК и рРНК, на которые придётся более 90 % всех ридов, если их не убрать. Поэтому большинство методов выборочно обратно транскрибируют только полиаденилированные молекулы РНК , используя поли(дТ) праймер, что позволяет работать с наиболее интересными транскриптами, такими как мРНК и большинством длинных некодирующих РНК, длнкРНК. Тем не менее, эта стратегия не позволяет секвенировать неполиаденилированные длнкРНК и ограничена эукариотическими клетками.

Первая цепь кДНК синтезируется при помощи специально спроектированной версии обратной транскриптазы вируса лейкемии мышей M-MuLV (англ.). Для получения второй цепи существует множество протоколов, основанных на трёх основных методах: ПЦР амплификация, транскрипция in vitro и амплификация по типу катящегося кольца.

Амплификация кДНК

ПЦР амплификация
Схема методов амплификации РНК, применяемых в одноклеточном секвенировании

Метод заключается в добавлении универсального праймера к 5’ концу после гомополимерного хвоста или области переключения матрицы (англ.). Для добавления гомополимерного хвоста длиной примерно в 30 нуклеотидов поли(А) к 3’ концу первой цепи кДНК используется концевая дезоксинуклеотидил-трансфераза. У этого подхода есть два основных недостатка. Из-за склонности ревертазы к раннему прерыванию 5’ конец имеет значительно меньшее покрытие. Кроме того, после добавления поли(А) хвоста к 3’ концу кДНК вдобавок к обычному поли(А) хвосту на 3’ конце РНК (то есть на 5' конце соответствующей кДНК) становится невозможно понять, с какой цепи ДНК эта РНК была изначально транскрибирована.

Чтобы получить однородное покрытие транскриптов был придуман механизм смены матрицы SMART-seq. Этот метод использует свойство ревертазы M-MuLV добавлять 3-4 цитозина на 3’ конце кДНК, и эта последовательность используется в качестве якоря для универсального праймера ПЦР. В результате амплифицируются только целые транскрипты, и информация об исходной цепи не теряется за счёт добавленных цитозинов. Однако этот метод обладает меньшей чувствительностью, чем добавление гомополимерного хвоста[13].

Транскрипция in vitro

Транскрипция in vitro амплифицирует РНК линейно при помощи РНК-полимеразы T7 (англ.). Этот метод лучше работает с 3’ концом исходного транскрипта[14], и каждый раунд амплификации приводит к укорачиванию транскрипта во время синтеза второй цепи[14].

Амплификация по типу катящегося кольца

Эта стратегия позволяет создавать кДНК библиотеки одиночных клеток прокариот[15] и эукариот[16]. Для этого РНК обратно транскрибируется, замыкается в кольцо и амплифицируется при помощи ДНК-полимеразы Φ29 (англ.), что позволяет сохранить полное покрытие транскриптов.

Использование молекулярных штрихкодов

Полноценное транскриптомное исследование, к примеру, целой ткани с помощью методов scRNA-Seq требует анализа профилей нескольких тысяч, а иногда и миллионов отдельных клеток-представителей ткани. При таких объёмах секвенирование каждой отдельной клетки приводит к большим затратам времени и средств. Для повышения производительности и удешевления исследований к методам scRNA-Seq была адаптирована технология уникальных молекулярных идентификаторов (англ.) или «молекулярных штрихкодов» — коротких случайных последовательностей, встраиваемых в олиго(дТ) праймер механизма смены матрицы. Это позволяет секвенировать единовременно РНК-материал сотен клеток, при благодаря штрихкодам сохраняется информация о том, из какой конкретно клетки получена данная молекула РНК[17]. Также молекулярные штрихкоды могут использоваться для подсчёта количества каждого транскрипта в отдельной клетке, это даёт более точные результаты, чем традиционный подсчёт ридов при ПЦР в реальном времени[18][19][20].

Применение

Исследования дифференцировки стволовых клеток

Отличия между отдельными клетками — фундаментальная характеристика популяций стволовых клеток, но эти отличия размываются при традиционном анализе ансамблей клеток. Одноклеточное секвенирование позволяет выявлять эти отличия и обнаруживать различные фенотипы стволовых клеток даже в пределах «однородной» популяции.

Так, исследователи выявили значительные различия между долгоживущими и короткоживущими гематопоэтическими стволовыми клетками мыши и определили, что основной вклад в эти различия вносят гены, отвечающие за клеточный цикл[21][22]. Одноклеточное секвенирование РНК было применено для изучения лёгких мыши[23] и позволило найти ранее неизвестные маркеры, специфичные для различных подтипов клеток. Были также исследованы нейронные стволовые клетки (англ.) различных видов и их траектории развития[24]. В другом исследовании было проведено сравнение смен стадий нейронных стволовых клеток у здоровых мышей и мышей, перенёсших ишемию головного мозга (англ.)[25].

Исследования эмбриогенеза

Процесс эмбрионального развития можно рассматривать как переход от уровня отдельных клеток к уровню организма. Для изучения ранних стадий эмбрионального развития необходимы методы, способные работать с небольшим количеством доступных клеток. С помощью одноклеточного секвенирования РНК удалось провести общий анализ раннего развития млекопитающих[26][27][28]. Были получены профили экспрессии генов для клеток человека и мыши периода предимплантационного развития[29][30], а также для первичных половых клеток человека в период перехода от стадии миграции к стадии гонад[31]. На клетках мышиных эмбрионов были изучены изменения экспрессии генов в период материнско-зиготического перехода (англ.)[32][33] (процесс замены зародышем материнских мРНК на свои собственные). Было показано, что в эмбрионе мыши активация зиготического генома происходит на стадии 4 клеток, у человека — между четырёх- и восьмиклеточной стадиями[30].

Анализ тканей

Изучение транскриптома всех клеток ткани даёт возможность узнать больше о иерархии клеточных линий с непревзойдённой точностью. Параллельные исследования транскриптомики отдельных клеток селезёнки без предварительного отбора клеток, основанного на заранее выбранных клеточных маркерах, в сочетании с иерархической кластеризацией позволило воссоздать общую структуру взаимоотношений клеточных линий селезёнки[17].

Онкологические исследования

Ткань раковой опухоли обычно состоит из нескольких популяций клеток, отличающихся друг от друга функционально и фенотипически. Согласно современным представлениям, процесс развития опухоли может иметь в своей основе не только клональную эволюцию мутировавших клеток исходной ткани, но и иерархическую дифференцировку так называемых раковых стволовых клеток (англ.) (РСК). Согласно концепции РСК, любое злокачественное новообразование развивается из одной клетки-предшественника популяции РСК, а опухоль устроена иерархически, то есть разные типы раковых клеток обладают разной способностью к делению[34]. Одноклеточное секвенирование позволяет выявлять отдельные РСК, а также анализировать различные популяции клеток, находящиеся в одной опухоли.

Так, недавно были проанализированы транскриптомные профили сотен отдельных опухолевых клеток пяти пациентов с глиобластомой, что позволило выявить дифференциальную экспрессию генов, связанных с онкогенным сигнализированием, пролиферацией, комплементным и иммунным ответом и гипоксией. Также были обнаружены клетки с фенотипами, промежуточными между мезенхимальным и эпителиальным, что не соответствует классической модели эпителиально-мезенхимального перехода с двумя дискретными состояниями клеток. Кроме того, был получен набор генов «стволовости», и клетки также распределялись по непрерывной, а не дискретной шкале уровней экспрессии этих генов, что отражает сложный характер системы стволовых клеток в опухоли[35].

На данный момент существует несколько моделей метастазирования, таких как позднее распространение, ранний сев и самосев, однако до сих пор сложно объяснить ими метастазирование в большинстве видов рака у человека. Трудности заключаются как в упомянутой выше гетерогенности клеток в пределах самой опухоли, так и в сложности анализа ключевых агентов метастазирования — циркулирующих опухолевых клеток (англ.)(ЦОК): эти клетки исключительно редко встречаются в крови (одна на миллион).

Тем не менее, в недавнем исследовании с помощью одноклеточного секвенирования РНК удалось выявить три различные генетические подписи в ЦОК, ассоциированные с метастазированием, у пациентов с меланомой[36] . В другом исследовании изучалось распространение отдельных циркулирующих опухолевых клеток и их кластеров в метастатическом раке молочной железы человека, в том числе с использованием мышиных моделей. Было показано, что кластеры имеют повышенный метастатический потенциал по сравнению с отдельными ЦОК, а также что плакоглобин (англ.) регулирует образование таких кластеров[37]. Исследование отдельных ЦОК метастатического рака поджелудочной железы показало, что эти клетки экспрессируют особые собственные белки внеклеточного матрикса[38]. Подобные результаты позволяют лучше понять функционирование РСК и генетические взаимосвязи между клетками исходной опухоли и метастазов.

Отдельная тема онкологических исследований — приобретение клетками опухоли устойчивости к химиотерапии. Этот процесс также до сих пор плохо изучен для большинства видов рака у человека. В одном из последних исследований были проанализированы транскриптомные профили нескольких сотен отдельных клеток клеточной линии аденокарциномы лёгкого и выявлены новые сигнальные пути, ассоциированные с устойчивостью к определённым компонентам химиотерапии[39]. Исследование ЦОК рака предстательной железы выявило активацию неканонического сигнального пути Wnt, способствующую устойчивости к лекарствам на основе антиандрогена (англ.)[40].

Исследования альтернативного сплайсинга

Большинство генов эукариот подвержены альтернативному сплайсингу — явлению, позволяющему комбинировать экзоны гена в разных комбинациях, вследствие чего с одного гена появляется возможность производить различные транскрипты и, следовательно, различные белки с потенциально разными функциями. Несмотря на то, что некоторые методы одноклеточного секвенирования (например, SMART-Seq) имеют близкое к полному покрытие транскриптома, анализ альтернативных изоформ затруднён из-за перечисленных ранее ограничений методов. Например, транскрипты, присутствующие в малом количестве, могут быть не обнаружены из-за неотличимости от биологического шума. Однако, уже разрабатываются модели, учитывающие распределения транскриптов в объединённом множестве отдельно секвенированных клеток[41][42]. Они позволят точнее предсказывать число различных изоформ в отдельных клетках.

Иммунология

Одноклеточное секвенирование может использоваться для эффективного анализа иммунного ответа клеток одной популяции, находящихся в разных условиях. Так, в недавнем исследовании изучалась динамика взаимодействия макрофагов сальмонеллы с клетками-хозяевами c различными модификациями липополисахаридов (основного компонента клеточной стенки)[43]. В другом исследовании изучалась реакция на липополисахариды дендритных клеток костного мозга мышей[44].

Примечания

  1. ↑ Pratip K Chattopadhyay, David A Price, Theresa F Harper, Michael R Betts, Joanne Yu. Quantum dot semiconductor nanocrystals for immunophenotyping by polychromatic flow cytometry (англ.) // Nature Medicine. — 2006. — Vol. 12, iss. 8. — P. 972–977. — DOI:10.1038/nm1371. — PMID 16862156.
  2. ↑ Pratip K. Chattopadhyay, Mario Roederer. Cytometry: Today’s technology and tomorrow’s horizons (англ.) // Methods. — 2012. — Vol. 57, iss. 3. — P. 251–258. — DOI:10.1016/j.ymeth.2012.02.009.
  3. 1 2 Sean C Bendall, Garry P Nolan. From single cells to deep phenotypes in cancer // Nature Biotechnology. — Т. 30, вып. 7. — С. 639–647. — DOI:10.1038/nbt.2283.
  4. 1 2 Jonathan M. Irish, Randi Hovland, Peter O. Krutzik, Omar D. Perez, Oystein Bruserud. Single cell profiling of potentiated phospho-protein networks in cancer cells // Cell. — 2004. — Т. 118, вып. 2. — С. 217–228. — ISSN 0092-8674. — DOI:10.1016/j.cell.2004.06.028.
  5. ↑ Andrew Filby, Esperanza Perucha, Huw Summers, Paul Rees, Prabhjoat Chana. An imaging flow cytometric method for measuring cell division history and molecular symmetry during mitosis (англ.) // Cytometry Part A. — 2011. — Vol. 79A, iss. 7. — P. 496–506. — ISSN 1552-4930. — DOI:10.1002/cyto.a.21091.
  6. ↑ Keisuke Goda, Ali Ayazi, Daniel R. Gossett, Jagannath Sadasivam, Cejo K. Lonappan. High-throughput single-microparticle imaging flow analyzer (англ.) // Proceedings of the National Academy of Sciences. — 2012. — Vol. 109, iss. 29. — P. 11630–11635. — ISSN 0027-8424. — DOI:10.1073/pnas.1204718109.
  7. 1 2 R. Huber, S. Burggraf, T. Mayer, S. M. Barns, P. Rossnagel. Isolation of a hyperthermophilic archaeum predicted by in situ RNA analysis (англ.) // Nature. — 1995. — Vol. 376, iss. 6535. — P. 57–58. — DOI:10.1038/376057a0.
  8. ↑ Richard Behringer, Marina Gertsenstein, Kristina Vintersten Nagy, Andras Nagy. Manipulating the Mouse Embryo: A Laboratory Manual. — 4. — ISBN 978-1-936113-01-9.
  9. ↑ J. Frohlich, H. Konig. New techniques for isolation of single prokaryotic cells // FEMS microbiology reviews. — 2000. — Т. 24, вып. 5. — С. 567–572. — ISSN 0168-6445.
  10. ↑ Nobuo Yoshimoto, Akiko Kida, Xu Jie, Masaya Kurokawa, Masumi Iijima. An automated system for high-throughput single cell-based breeding (англ.) // Scientific Reports. — 2013. — Vol. 3, iss. 1. — ISSN 2045-2322. — DOI:10.1038/srep01191.
  11. ↑ J. R. Kovac, J. Voldman. Intuitive, Image-Based Cell Sorting Using Optofluidic Cell Sorting // Analytical Chemistry. — 2007. — Т. 79, вып. 24. — С. 9321–9330. — ISSN 0003-2700. — DOI:10.1021/ac071366y.
  12. ↑ Zachary C. Landry, Stephen J. Giovanonni, Stephen R. Quake, Paul C. Blainey. Chapter Four - Optofluidic Cell Selection from Complex Microbial Communities for Single-Genome Analysis // Methods in Enzymology / Edward F. DeLong. — Academic Press, 2013. — Т. 531. — С. 61–90. — DOI:10.1016/b978-0-12-407863-5.00004-6.
  13. ↑ Aaron M. Streets, Xiannian Zhang, Chen Cao, Yuhong Pang, Xinglong Wu. Microfluidic single-cell whole-transcriptome sequencing (англ.) // Proceedings of the National Academy of Sciences. — 2014. — Vol. 111, iss. 19. — P. 7048–7053. — DOI:10.1073/pnas.1402030111.
  14. 1 2 Jacqueline Morris, Jennifer M. Singh, James H. Eberwine. Transcriptome Analysis of Single Cells (англ.) // Journal of Visualized Experiments. — 2011. — Iss. 50. — ISSN 1940-087X. — DOI:10.3791/2634.
  15. ↑ Yun Kang, Michael H. Norris, Jan Zarzycki-Siek, William C. Nierman, Stuart P. Donachie. Transcript amplification from single bacterium for transcriptome analysis // Genome Research. — 2011. — Т. 21, вып. 6. — С. 925–935. — ISSN 1549-5469. — DOI:10.1101/gr.116103.110.
  16. ↑ Xinghua Pan, Russell E. Durrett, Haiying Zhu, Yoshiaki Tanaka, Yumei Li. Two methods for full-length RNA sequencing for low quantities of cells and single cells // Proceedings of the National Academy of Sciences of the United States of America. — 2013. — Т. 110, вып. 2. — С. 594–599. — ISSN 1091-6490. — DOI:10.1073/pnas.1217322109.
  17. 1 2 Diego Adhemar Jaitin, Ephraim Kenigsberg, Hadas Keren-Shaul, Naama Elefant, Franziska Paul. Massively parallel single-cell RNA-seq for marker-free decomposition of tissues into cell types // Science (New York, N.Y.). — 2014. — Т. 343, вып. 6172. — С. 776–779. — ISSN 1095-9203. — DOI:10.1126/science.1247651.
  18. ↑ Saiful Islam, Amit Zeisel, Simon Joost, Gioele La Manno, Pawel Zajac. Quantitative single-cell RNA-seq with unique molecular identifiers // Nature Methods. — 2014. — Т. 11, вып. 2. — С. 163–166. — ISSN 1548-7105. — DOI:10.1038/nmeth.2772. — PMID 24363023.
  19. ↑ Dominic Grun, Lennart Kester, Alexander van Oudenaarden. Validation of noise models for single-cell transcriptomics (англ.) // Nature Methods. — 2014. — Vol. 11, iss. 6. — P. 637–640. — ISSN 1548-7105. — DOI:10.1038/nmeth.2930. — PMID 24747814.
  20. ↑ Teemu Kivioja, Anna Vaharautio, Kasper Karlsson, Martin Bonke, Martin Enge. Counting absolute numbers of molecules using unique molecular identifiers (англ.) // Nature Methods. — 2011. — Vol. 9, iss. 1. — P. 72–74. — ISSN 1548-7105. — DOI:10.1038/nmeth.1778. — PMID 22101854.
  21. ↑ Monika S. Kowalczyk, Itay Tirosh, Dirk Heckl, Tata Nageswara Rao, Atray Dixit. Single-cell RNA-seq reveals changes in cell cycle and differentiation programs upon aging of hematopoietic stem cells (англ.) // Genome Research. — 2015. — Vol. 25, iss. 12. — P. 1860–1872. — DOI:10.1101/gr.192237.115.
  22. ↑ Jason C. H. Tsang, Yong Yu, Shannon Burke, Florian Buettner, Cui Wang. Single-cell transcriptomic reconstruction reveals cell cycle and multi-lineage differentiation defects in Bcl11a -deficient hematopoietic stem cells (En) // Genome Biology. — 2015. — Т. 16, вып. 1. — С. 178. — DOI:10.1186/s13059-015-0739-5.
  23. ↑ Barbara Treutlein, Doug G. Brownfield, Angela R. Wu, Norma F. Neff, Gary L. Mantalas. Reconstructing lineage hierarchies of the distal lung epithelium using single-cell RNA-seq // Nature. — Т. 509, вып. 7500. — С. 371–375. — DOI:10.1038/nature13173.
  24. ↑ Jaehoon Shin, Daniel A. Berg, Yunhua Zhu, Joseph Y. Shin, Juan Song. Single-Cell RNA-Seq with Waterfall Reveals Molecular Cascades underlying Adult Neurogenesis // Cell Stem Cell. — 2015. — Т. 17, вып. 3. — С. 360–372. — ISSN 1875-9777. — DOI:10.1016/j.stem.2015.07.013.
  25. ↑ Enric Llorens-Bobadilla, Sheng Zhao, Avni Baser, Gonzalo Saiz-Castro, Klara Zwadlo. Single-Cell Transcriptomics Reveals a Population of Dormant Neural Stem Cells that Become Activated upon Brain Injury // Cell Stem Cell. — 2015. — Т. 17, вып. 3. — С. 329–340. — ISSN 1875-9777. — DOI:10.1016/j.stem.2015.07.002.
  26. ↑ Qiaolin Deng, Daniel Ramskold, Bjorn Reinius, Rickard Sandberg. Single-Cell RNA-Seq Reveals Dynamic, Random Monoallelic Gene Expression in Mammalian Cells (англ.) // Science. — 2014. — Vol. 343, iss. 6167. — P. 193–196. — DOI:10.1126/science.1245316.
  27. ↑ Zhigang Xue, Kevin Huang, Chaochao Cai, Lingbo Cai, Chun-yan Jiang. Genetic programs in human and mouse early embryos revealed by single-cell RNA sequencing // Nature. — 2013. — Т. 500, вып. 7464. — С. 593–597. — ISSN 1476-4687. — DOI:10.1038/nature12364.
  28. ↑ Fuchou Tang, Catalin Barbacioru, Siqin Bao, Caroline Lee, Ellen Nordman. Tracing the derivation of embryonic stem cells from the inner cell mass by single-cell RNA-Seq analysis // Cell Stem Cell. — 2010. — Т. 6, вып. 5. — С. 468–478. — ISSN 1875-9777. — DOI:10.1016/j.stem.2010.03.015.
  29. ↑ Fuchou Tang, Catalin Barbacioru, Ellen Nordman, Siqin Bao, Caroline Lee. Deterministic and Stochastic Allele Specific Gene Expression in Single Mouse Blastomeres // PLOS ONE. — 2011. — Т. 6, вып. 6. — С. e21208. — ISSN 1932-6203. — DOI:10.1371/journal.pone.0021208.
  30. 1 2 Liying Yan, Mingyu Yang, Hongshan Guo, Lu Yang, Jun Wu. Single-cell RNA-Seq profiling of human preimplantation embryos and embryonic stem cells // Nature Structural & Molecular Biology. — 2013. — Т. 20, вып. 9. — С. 1131–1139. — DOI:10.1038/nsmb.2660.
  31. ↑ Fan Guo, Liying Yan, Hongshan Guo, Lin Li, Boqiang Hu. The Transcriptome and DNA Methylome Landscapes of Human Primordial Germ Cells // Cell. — 2015. — Т. 161, вып. 6. — С. 1437–1452. — ISSN 1097-4172. — DOI:10.1016/j.cell.2015.05.015.
  32. ↑ Fernando H. Biase, Xiaoyi Cao, Sheng Zhong. Cell fate inclination within 2-cell and 4-cell mouse embryos revealed by single-cell RNA sequencing (англ.) // Genome Research. — 2014. — Vol. 24, iss. 11. — P. 1787–1796. — DOI:10.1101/gr.177725.114.
  33. ↑ Junchao Shi, Qi Chen, Xin Li, Xiudeng Zheng, Ying Zhang. Dynamic transcriptional symmetry-breaking in pre-implantation mammalian embryo development revealed by single-cell RNA-seq (англ.) // Development. — 2015. — Vol. 142, iss. 20. — P. 3468–3477. — DOI:10.1242/dev.123950.
  34. ↑ В центре внимания раковые стволовые клетки. elementy.ru. Проверено 27 апреля 2017.
  35. ↑ Anoop P. Patel, Itay Tirosh, John J. Trombetta, Alex K. Shalek, Shawn M. Gillespie. Single-cell RNA-seq highlights intratumoral heterogeneity in primary glioblastoma // Science (New York, N.Y.). — 2014. — Т. 344, вып. 6190. — С. 1396–1401. — ISSN 1095-9203. — DOI:10.1126/science.1254257.
  36. ↑ Daniel Ramskold, Shujun Luo, Yu-Chieh Wang, Robin Li, Qiaolin Deng. Full-length mRNA-Seq from single-cell levels of RNA and individual circulating tumor cells // Nature Biotechnology. — 2012. — Т. 30, вып. 8. — С. 777–782. — ISSN 1546-1696. — DOI:10.1038/nbt.2282.
  37. ↑ Nicola Aceto, Aditya Bardia, David T. Miyamoto, Maria C. Donaldson, Ben S. Wittner. Circulating tumor cell clusters are oligoclonal precursors of breast cancer metastasis // Cell. — 2014. — Т. 158, вып. 5. — С. 1110–1122. — ISSN 1097-4172. — DOI:10.1016/j.cell.2014.07.013.
  38. ↑ David T. Ting, Ben S. Wittner, Matteo Ligorio, Nicole Vincent Jordan, Ajay M. Shah. Single-cell RNA sequencing identifies extracellular matrix gene expression by pancreatic circulating tumor cells // Cell Reports. — 2014. — Т. 8, вып. 6. — С. 1905–1918. — ISSN 2211-1247. — DOI:10.1016/j.celrep.2014.08.029.
  39. ↑ Ayako Suzuki, Koutatsu Matsushima, Hideki Makinoshima, Sumio Sugano, Takashi Kohno. Single-cell analysis of lung adenocarcinoma cell lines reveals diverse expression patterns of individual cells invoked by a molecular target drug treatment (En) // Genome Biology. — 2015. — Т. 16, вып. 1. — С. 66. — ISSN 1465-6906. — DOI:10.1186/s13059-015-0636-y.
  40. ↑ David T. Miyamoto, Yu Zheng, Ben S. Wittner, Richard J. Lee, Huili Zhu. RNA-Seq of single prostate CTCs implicates noncanonical Wnt signaling in antiandrogen resistance // Science (New York, N.Y.). — 2015. — Т. 349, вып. 6254. — С. 1351–1356. — ISSN 1095-9203. — DOI:10.1126/science.aab0917.
  41. ↑ Joshua D. Welch, Yin Hu, Jan F. Prins. Robust detection of alternative splicing in a population of single cells // Nucleic Acids Research. — 2016. — Т. 44, вып. 8. — С. e73. — ISSN 0305-1048. — DOI:10.1093/nar/gkv1525.
  42. ↑ Georgi K. Marinov, Brian A. Williams, Ken McCue, Gary P. Schroth, Jason Gertz. From single-cell to cell-pool transcriptomes: Stochasticity in gene expression and RNA splicing // Genome Research. — 2017. — Т. 24, вып. 3. — С. 496–510. — ISSN 1088-9051. — DOI:10.1101/gr.161034.113.
  43. ↑ Roi Avraham, Nathan Haseley, Douglas Brown, Cristina Penaranda, Humberto B. Jijon. Pathogen Cell-to-Cell Variability Drives Heterogeneity in Host Immune Responses (англ.) // Cell. — 2015. — Vol. 162, iss. 6. — P. 1309–1321. — ISSN 1097-4172. — DOI:10.1016/j.cell.2015.08.027. — PMID 26343579.
  44. ↑ Alex K. Shalek, Rahul Satija, Xian Adiconis, Rona S. Gertner, Jellert T. Gaublomme. Single-cell transcriptomics reveals bimodality in expression and splicing in immune cells (англ.) // Nature. — 2013. — Vol. 498, iss. 7453. — P. 236–240. — ISSN 0028-0836. — DOI:10.1038/nature12172.

Литература

Дополнительные ссылки

Данная страница на сайте WikiSort.ru содержит текст со страницы сайта "Википедия".

Если Вы хотите её отредактировать, то можете сделать это на странице редактирования в Википедии.

Если сделанные Вами правки не будут кем-нибудь удалены, то через несколько дней они появятся на сайте WikiSort.ru .



Текст в блоке "Читать" взят с сайта "Википедия" и доступен по лицензии Creative Commons Attribution-ShareAlike; в отдельных случаях могут действовать дополнительные условия.

Другой контент может иметь иную лицензию. Перед использованием материалов сайта WikiSort.ru внимательно изучите правила лицензирования конкретных элементов наполнения сайта.

2019-2025
WikiSort.ru - проект по пересортировке и дополнению контента Википедии