减少单细胞分析不确定性的新方法

  看似相似的细胞往往有显著不同的基因组。这通常也适用于癌细胞，例如，即使在很小的肿瘤样本中，癌细胞也各不相同，因为细胞内的遗传突变，是断断续续地传播。关于单个细胞中这些突变（被称为拷贝数变化）的详细知识，可以帮助医生制定特定的治疗方案。延伸阅读：Nature子刊报道单细胞技术突破。
  问题在于，目前获取这方面知识的技术还比较困难，并会产生不可靠的结果。九月七日，美国冷泉港实验室（CSHL）的科学家，发表了一种新的交互式分析程序，称为Gingko，可减少单细胞分析的不确定性，并提供了一种简单的方法，可视化细胞群体之间拷贝数突变的模式。
  这个开放源软件是自由在线的，将提高科学家研究这一重要遗传异常的能力，可以帮助医生根据细胞的特定基因突变，更好地制定治疗方案。该软件发表在九月七日的《Nature Methods》。
  突变以多种形式出现。例如，在最常见的突变类型中，变异可能存在于个人（或细胞）之间，在一段DNA序列中的某个位置。另一个常见的突变是拷贝数变异（CNV），在这种变异中，大块的DNA被删除或增加到基因组中。当一个给定基因或基因有太多或太少的副本时，由于CNVs，就可能发生疾病。这种突变不仅与癌症有关，而且还与其他许多疾病有关，包括孤独症和精神分裂症。
  研究人员可通过在大量样品中分析CNVs（这些样品来自肿瘤活检）了解到很多知识，但是，通过研究单个细胞中的CNVs，他们可以了解更多。CSHL副教授Michael Schatz说：“你可能会认为，在肿瘤中的所有细胞都是一样的，但事实并非如此。”
  Schatz说：“我们意识到，即使在一个单一的肿瘤内，也可能有很多变化。如果你要治疗癌症，你就需要准确诊断你的肿瘤属于哪个亚类。”科学家提出，同时用不同的药物靶定不同的癌症亚类，可以预防缓解。”
  研究CNV的一种强大的单细胞分析技术是全基因组测序。挑战在于，在测序完成之前，细胞的DNA必须被多次扩增。这个过程充满着错误，一些任意的DNA组块更可能被扩增。此外，因为许多实验室使用自己的软件来检测CNVs，研究人员如何分析其结果，仍然没有一致性。
  为了解决这两个挑战，Schatz和他的同事们研发了Gingko。这个交互式的、基于网络的程序，可自动处理序列数据，把序列定位到参考基因组中，并为每一个细胞产生CNV分析谱，可在一个用户友好的图形界面上查看。此外，Gingko可基于配置文件构建系统发育树，从而使具有类似拷贝数突变的细胞聚到一起。
  重要的是， Schatz和他的同事通过再现五个单细胞的研究结果，对Gingko进行了验证，也分析了序列模式，以识别并大大降低扩增误差。
  Schatz和他的团队以gingko（银杏）命名他们的软件，是因为银杏有许多良好的治疗效益。Schatz说：“我们认为，我们的Gingko也将提供很多好处。”现在，CNV还不是临床常用的诊断测试。Schatz说：“我们正在寻找样本采集、分析它们、并告知临床医生结果的最好方式。”他补充说，冷泉港实验室也与多家医院合作，特别是Memorial Sloan-Kettering癌症中心和North Shore-LIJ Health System，将单细胞分析用于临床治疗。
  对于Schatz来说，Gingko是冷泉港实验室在过去十年中的研究工作所达到的一个顶点——由CSHL教授Michael Wigler带领，开创了研究单细胞的技术。Schatz说：“冷泉港实验室已经将自己确立为单细胞分析的世界领先者。我们发明了许多对这个领域很重要的技术，现在我们已经把所有这些知识整合起来，这样，世界各地的研究人员就可以利用我们的专业知识。”