Genome Biology 单细胞组学分析特刊

不久前，科学家们还必须采用大量的细胞开展研究，才能深入理解生物体内不同细胞群体。RNA测序（RNA-seq）的大量应用使人们发现了细胞亚群，但是直到单细胞组学分析出现之前，人们一直对细胞亚群的衍化以及它们之间的相互作用知之甚少。同样，要观察基因在组织中的表达模式相对容易，但要了解基因在每个细胞中的表达特征却非常困难。

如今，科学家们更多地着眼于单细胞研究，并且在深入理解亚群细胞上收获颇丰。单细胞RNA测序（scRNA-seq）现在常被用来揭示细胞之间的异质性程度，发现新的细胞亚群，以及亚群间相互作用，还有这些相互作用如何调节组织器官功能。

在本期特刊中，我们推荐：

• scRNA-seq-。Adam Mead及其同事通过对单巨核细胞-红系祖细胞进行谱型分析，证明了这种确定的细胞群体实际上由沿着不同谱系分化的三种不同的亚群组成。
• scRNA-seq-Sarah Teichmann及其同事展示了单CD4+ T细胞在免疫细胞分化和激活期间的群体动态，从而确定了与这些细胞的增殖动态相关的三种单独的细胞状态。
• Bret Pearson及其同事在真涡虫中进行了一项首次scRNA-seq分析，发现了一种此前未知的神经干细胞群体。
• lncRNA- Daniel Lim及其同事利用单细胞测序对正在发育的人脑中的lncRNA进行了谱型分析。他们发现不同细胞类型富含不同的lncRNA，这些lncRNA与它们的生物学功能密切相关，并且还可以用来区分不同的神经细胞类型。
• 癌症- Woong-Yang Park及其同事利用scRNA-seq的结果设计出一种用于治疗肾细胞癌的组合策略。
• Floris Foijer及其同事开展的研究则利用同样在本特刊（Spierings）上发表的一种名为Aneufinder的方法，在单细胞水平上考察了T细胞淋巴瘤中的非整倍性，以期说明单个肿瘤中的拷贝数异质性。
• 癌症研究方法-OncoNEM和SCITE，通过深入了解肿瘤进展和异质性，能够从癌症的单细胞分析出发创建改进的系统发生。
• 新方法- Itai Yanai及其同事提出的CEL-Seq2方法，该方法与现有的scRNA-seq方法相比，灵敏度提高且易于使用，并且成本更低。这是到目前为止第一种针对单细胞的、芯片上的条形码方法，在此用来检测细胞周期中的基因表达变化。
• 表观遗传研究方法- Fan等提出新方法允许同时对单细胞转录物组和甲基化组进行谱型分析。此外还证明，由Prins等提出的新方法——SLICER，在使用从小鼠肺和神经干细胞获得的数据推测细胞轨迹方面，比以前的方法更加准确。
• 方法更新-随着单细胞研究的进展，显然批量RNA-seq分析方法已经不能很好地适应于scRNA-seq数据。本特刊中包含的几篇文章旨在使用单细胞数据集来解决目前面临的一些关于归一化、基因共表达（Gillis）、基因表达变化和聚类（Tse）的问题。