Nature Biotechnology | 胡政/周达合作建立基于演化时钟模型的单细胞轨迹推断技术

单细胞RNA测序(scRNA-seq)是研究细胞分化的一种强大方法，但准确跟踪细胞命运转变可能具有挑战性，特别是在疾病条件下。

2023年7月31日，中国科学院深圳先进技术研究院胡政和厦门大学周达团队合作在Nature Biotechnology（IF=47）在线发表了题为“PhyloVelo enhances transcriptomic velocity field mapping using monotonically expressed genes”的研究论文，该研究介绍PhyloVelo，这是一个计算框架，通过使用单调表达基因(megMEGs)或表达模式增加或减少但不循环的基因，通过系统发育时间来估计转录组动力学的速度。

通过整合scRNA-seq数据和谱系信息，PhyloVelo可以识别MEGs并重建转录组速度场。该研究使用模拟数据和秀丽隐杆线虫地真实值数据验证了PhyloVelo，成功地恢复了MEGs线性、分岔和收敛的表达模式。该研究将PhyloVelo应用于7个使用CRISPR-Cas9编辑、慢病毒条形码或免疫库分析生成的谱系追踪scRNA-seq数据集，证明了其在推断复杂谱系轨迹方面的高准确性和鲁棒性，同时优于RNA速度。此外，该研究发现跨组织和生物体的MEGs在翻译和核糖体生物发生中具有相似的功能。

生物的发育和疾病的进展都涉及细胞分裂后的一系列细胞命运转变。从本质上讲，生物体中的所有细胞都是通过系统发育树联系起来的，其中根代表合子，分支代表细胞分裂，叶子代表各种表型状态(例如，细胞类型)的终端细胞。为了了解细胞命运是如何决定的，确定谱系树中细胞状态转变的顺序以及促成这些转变的潜在基因调控机制是很重要的。

单细胞RNA测序(scRNA-seq)是研究细胞分化的一种强有力的方法。然而，转录组轨迹可能或可能不等同于祖先群体的真实谱系路径。一个例子是收敛分化，不同的祖细胞可以收敛到相同的终端状态。在这种情况下，相似的细胞状态并不反映更密切的谱系关系。此外，预测命运方向往往需要预先了解初始/终末细胞类型或依赖于发育过程中基因表达多样性的信息，从而限制了它们在正常分化系统中的应用。

异常发育或疾病进展通常涉及非典型细胞命运转变，如去分化和转分化，目前的方法仍然具有挑战性。通过利用剪接/未剪接RNA的内部动力学，RNA速度提供了一个强大的框架来预测细胞状态的转变，并且可以很容易地应用于疾病或扰动条件。然而，RNA动力学固有的高动力学，包括转录、剪接和降解，经常违反模型中的恒速率假设，这可能导致不确定的估计。综上所述，仅使用转录组学数据来区分细胞状态转变是具有挑战性的。

最近使用CRISPR-Cas9编辑来记录细胞谱系提供了在整个生物体或整个器官水平上重建细胞谱系树的机会。值得注意的是，单细胞转录组和谱系树的同时分析使得揭示复杂的发育动力学以及细胞命运承诺的分子机制成为可能。例如，CRISPR谱系追踪已经能够识别小鼠胚胎发生过程中胚胎外和胚胎起源的内胚层细胞的转录趋同。尽管CRISPR谱系追踪与单细胞转录组学的重要性在发育生物学和体细胞进化中已得到广泛认可，但计算整合双重信息以重建细胞轨迹是具有挑战性的，部分原因是不同的数据模式。以前的努力，如CoSpar算法，已经使用配对的scRNA-seq和谱系信息来推断祖细胞的转移图和预测命运偏差，这更适合静态条形码信息(例如，LARRY系统)。另一种算法lineageOT利用谱系树进行轨迹推断；然而，这依赖于时间过程scRNA-seq数据和不变的细胞谱系树。这种类型的数据目前仅在秀丽隐杆线虫中可用，因此无法将其应用于更常见的数据集，例如基于CRISPR的谱系追踪数据。

PhyloVelo框架示意图（图源自Nature Biotechnology ）

该研究描述了一种方法，系统地绘制细胞命运的转变，通过使用单细胞转录组和谱系信息。该方法，称为PhyloVelo，利用沿细胞分裂的单调表达基因(MEGs)，从谱系解析的scRNA-seq数据中量化转录组速度场。该研究验证了PhyloVelo在胚胎发育(秀丽隐杆线虫和小鼠胚胎)，肿瘤进化(起始和转移)，体外造血和肿瘤内T细胞动力学。该研究进一步证明，从一个scRNA-seq数据集估计的速度足够稳健，即使在没有谱系信息的情况下，也可以在类似的生物学条件下用独立的数据集推断出谱系轨迹。最后，该研究发现MEGs在组织和生物体的核糖体介导过程中强烈富集，从而揭示了细胞增殖和分化过程中的内部时钟样基因表达程序。

中国科学院深圳先进技术研究院合成生物学研究所胡政研究员与厦门大学数学科学学院周达副教授是该论文的共同通讯作者，中国科学院深圳先进院和厦门大学联培博士生王琨是论文的第一作者。中山大学贺雄雷教授、中国科学院动物研究所翟巍巍研究员、美国斯坦福大学Christina Curtis教授、以及深圳先进院合成生物学研究所资治科研究员对本研究提供了宝贵的指导和意见。本项研究获得科技部国家重点研发计划、国家自然科学基金、广东省杰出青年基金、中央高校基本科研专项资金、中国博士后基金及深圳合成生物学创新研究院等项目的支持。

原文链接：

https://www.nature.com/articles/s41587-023-01887-5

转自：“iNature”微信公众号

如有侵权，请联系本站删除！