Одноклітинні оміки: революція в біології клітини

📋 TL;DR

Одноклітинні оміки — вивчення біології на рівні окремих клітин

scRNA-seq — одноклітинна РНК-секвенційність, золотий стандарт

Клітинна гетерогенність — кожна клітина унікальна

Застосування — медицина, розробка ліків, регенеративна медицина

Технології — 10x Genomics, Smart-seq2, CITE-seq

Аналіз даних — кластеризація, траєкторії, інтеграція

🔬 Що таке одноклітинні оміки?

Одноклітинні оміки — це сукупність високопродуктивних методологій, які дозволяють вивчати біологічні процеси на рівні окремих клітин, а не середніх показників популяції. Це революційно змінило наше розуміння біології клітини та розкрило вражаючу гетерогенність навіть серед "однакових" клітин.

📊 Типи одноклітинних омік

1. Одноклітинна транскриптоміка (scRNA-seq)

Найпоширеніший тип одноклітинних омік, який аналізує профіль експресії РНК в окремих клітинах.

Технології:

10x Genomics Chromium — найпопулярніша платформа

Smart-seq2 — повний транскрипт

Drop-seq — високопродуктивна методика

CEL-seq2 — library preparation

Застосування:

Оновлення анотацій типів клітин

Виявлення нових клітинних станів

Відстеження траєкторій розвитку

Аналіз диференціації

2. Одноклітинна протеоміка

Mass cytometry (CyTOF) — 50+ маркерів одночасно

scMS — масс-спектрометрія

CITE-seq — транскриптоміка + протеоміка

3. Одноклітинна епігеноміка

scATAC-seq — хромотин accessibility

scChIP-seq — історичні модифікації

scBS-seq — DNA methylation

4. Одноклітинна метаболоміка

Метаболіти на рівні окремих клітин

Метаболічні траєкторії

🧬 Методи виробництва

10x Genomics Chromium

Gel Bead in Emulsion (GEM) технологія для одночасного опрацювання тисяч клітин.

Переваги:

Висока продуктивність — 500-10000 клітин

Рівномірне покриття

Стандартизований workflow

Комерційна доступність

Обмеження:

3'-end bias

Детекція середніх та високо експресованих генів

Втрата невеликих транскриптів

Smart-seq2

Методика, що дає повний транскрипт без полі(A) bias.

Переваги:

Повний транскрипт

Менше technical noise

Кращий для сплайсінг-аналізу

Виявлення альтернативного сплайсингу

Обмеження:

Нижча продуктивність

Вища вартість на клітину

Ручна робота

🔬 Аналіз даних

1. Quality Control

Кількість readів на клітину — мінімум 1000-5000

Кількість детекованих генів — мінімум 500-3000

% mitochondrial генів — <20%

% ribosomal генів — <30%

2. Normalization

Log-normalization — стандартизація

SCTransform — variance stabilization

Scran — pooling-based normalization

3. Dimensionality Reduction

PCA — Principal Component Analysis

UMAP — Uniform Manifold Approximation

t-SNE — t-Distributed Stochastic Neighbor

4. Clustering

Louvain clustering — модульність

Leiden clustering — покращена версія

DBSCAN — density-based

5. Differential Expression

Wilcoxon rank-sum — non-parametric test

MAST — Model-based Analysis

DESeq2 — negative binomial

💊 Застосування в медицині

Онкологія

Пошук механізмів резистентності

Мікросередовище пухлини

Розробка терапій

Моніторинг терапії

Нейробіологія

Карти клеток мозку

Розвиток нервової системи

Нейродегенерація

Імунологія

Складна карта імунних типів клітин

Аутоімунні захворювання

Відгук на вакцину

🚀 Майбутнє одноклітинних омік

Multi-omics інтеграція

Одновимірний аналіз all layers

Мультимодальні пристрої

Редагування + селекція

Spatial Transcriptomics

Зв'язок місця і функції

Просторові траєкторії

Клітинні ніші

🎓 Висновок

Одноклітинні оміки революціонізували наше розуміння біології клітини, розкривши вражаючу гетерогенність серед клітин, які раніше вважалися однаковими. Ці технології трансформують медицину, дозволяючи розробляти точніші діагностичні та терапевтичні підходи.

Майбутнє одноклітинних омік обіцяє ще більш детальне розуміння біології клітини через інтеграцію різних молекулярних шарів, просторову контекстуалізацію та застосування штучного інтелекту для аналізу складних даних.

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте Michaelis-Menten Kinetics і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.