La sequenziamento a singola cellula ha trasformato lo studio della biologia cellulare, consentendo ai ricercatori di analizzare i paesaggi genetici, epigenetici e transcriptomici delle singole cellule piuttosto che delle popolazioni ingombranti. In studi di cultura, questo livello di risoluzione è fondamentale per comprendere l'eterogeneità tra le cellule che altrimenti si presume siano identiche.

I primi metodi a singola cella sono stati limitati da costi, bassi tassi di cattura delle cellule e rumore tecnico. Le innovazioni di oggi, che vanno dai microfluidici all’integrazione multi-omica, stanno rendendo l’analisi a singola cella più accessibile e più potente che mai. Questo articolo esplora gli ultimi progressi, le tecnologie emergenti chiave e le sfide che rimangono sul percorso della profilazione monocellulare di routine nei modelli di cultura.

Avanzamenti recenti in Tecnologie di Sequenziamento a singolo cellulare

Negli ultimi anni, il ritmo dell'innovazione nel sequenziamento a singola cella ha accelerato notevolmente.I miglioramenti nel design della piattaforma, la chimica reagente e le tubazioni computazionali hanno aumentato collettivamente il numero di celle che possono essere profilate per esperimento riducendo i costi per cella. Questi progressi consentono ai ricercatori di catturare un quadro più completo della diversità cellulare nei sistemi di cultura, dalle linee di cellule tumorali ai organoidi e alle colonie staminali.

Piattaforme microfluidiche

I dispositivi microfluidici sono diventati una pietra angolare della sequenziamento di singole celle. La partizione delle singole cellule in gocce o microwell su scala nanolitro, queste piattaforme minimizzano l'utilizzo reagente e consentono l'elaborazione parallela di migliaia di celle in un unico run.

Oltre ai metodi a goccia e ben basati, i recenti prototipi accademici hanno dimostrato la capacità di combinare microfluidici con la manipolazione ottica, consentendo ai ricercatori di recuperare selettivamente specifiche cellule per l’analisi a valle. Questo apre la porta per l’isolamento a cellule rare, come le cellule tumorali circolanti o cloni resistenti alla droga, direttamente dai piatti della cultura senza dissociazione enzimatica, preservando lo stato nativo delle cellule.

Metodi di preparazione della biblioteca migliorati

La preparazione della biblioteca è un passo critico che influisce direttamente sulla qualità dei dati. I protocolli tradizionali monocellulari di RNA-seq spesso hanno sofferto di alti tassi di abbattimento e sensibilità limitata per i geni a bassa espressa. I metodi più recenti, come Smart-seq3 e Smart-seq3xpress, incorporano identificatori molecolari unici (UMI) e la chimica di commutazione del modello per ottenere la copertura integrale transcript con alta precisione.

Per la sequenziazione del DNA, i miglioramenti nell'amplificazione del intero-geno (WGA) hanno ridotto i bias di amplificazione e gli artefatti chimerici. L'amplificazione multiplo di spostamento (MDA) e i cicli di amplificazione basati su ricotture e looping (MALBAC) ora offrono una copertura più uniforme attraverso il genoma, rendendo possibile rilevare le variazioni del numero di copie e le varianti del singolo-nucleotide delle singole cellule.

Tecniche di Sequenziamento ad alto rendimento

Il passo di sequenziamento stesso ha anche visto progressi significativi. I sequencer di breve durata di Illumina rimangono il cavalletto di lavoro di studi monocellulari, ma piattaforme di lunga data di Pacific Biosciences e Oxford Nanopore sono sempre più adottati per applicazioni monocellulari. Le letture lunghe possono abbracciare trascrizioni a lunghezza intera o regioni genomiche difficili da assemblare con brevi letture, fornendo una migliore risoluzione di varianti strutturali, la diversità e gli elementi ripetitivi.

La chimica e i modelli delle celle di flusso più recenti hanno spinto l'output di sequenziamento nella gamma terabase per corsa, il che significa che un singolo esperimento può ora profilare decine di migliaia di celle singole. Combinato con gli approcci di indicizzazione combinatoria—dove le celle sono codificate a barre in più giri—i ricercatori possono raggiungere un throughput ultra-alto senza la necessità di costosi hardware microfluidico.

Tecnologie emergenti e loro applicazioni

Oltre ai miglioramenti incrementali ai flussi di lavoro esistenti, diverse tecnologie completamente nuove stanno rimodellando il paesaggio a celle singole, che spesso integrano molteplici modalità o aggiungono il contesto spaziale, fornendo una visione più completa del comportamento cellulare nella cultura.

Trascrizione spaziale

La trascrizione spaziale si fonde con l'espressione genica profilante con la posizione fisica delle cellule all'interno di un ambiente di tessuto o cultura. Nei tradizionali RNA-seq monocell, le cellule sono dissociate dalla loro matrice nativa, perdendo tutte le informazioni spaziali.

Per gli studi di cultura, questa tecnologia è preziosa. Permette ai ricercatori di vedere come le cellule vicine influenzano l'espressione genica dell'altro, come i gradienti di segnalazione delle molecole modellano il destino cellulare, e come i microambientali all'interno di un piatto—ad esempio, le colonie dense contro le aree sparse—il comportamento cellulare affetti.

Approcci multi-omici

La multi-omica a singola cellula integra due o più strati molecolari, come il genoma, il transcriptome, il proteome, il metilome o l'accessibilità della cromatina, dalla stessa cellula, e questa visione olistica è essenziale per capire come la variazione genetica influisce sull'espressione genica, come i segni epigenetici controllano l'identità cellulare e come l'abbondanza delle proteine si correla con i livelli di mRNA.

I kit commerciali disponibili, come il 10x Genomics Multiome (che cattura simultaneamente RNA e ATAC-seq dallo stesso nucleo), hanno reso multi-omica accessibile a molti laboratori.

L’integrazione computazionale dei dati multi-omici rimane una sfida, ma strumenti emergenti come MOFA+ e l’analisi ponderata di Seurat stanno fornendo strutture robuste per combinare le informazioni dai saggi disparati.

Schermi CRISPR a singola cella

Gli schermi CRISPR in pool sono stati utilizzati da tempo per identificare i geni coinvolti in fenotipi specifici, ma in genere misurano un singolo fenotipo (come la sopravvivenza cellulare) o richiedono un reporter.

Negli studi di cultura, questi schermi sono particolarmente potenti per comprendere i meccanismi di resistenza. Ad esempio, un ricercatore può introdurre una libreria di RNA guida che mirano alle chinasi in una linea di cellule tumorali, trattare la cultura con un farmaco, e poi utilizzare RNA-seq monocellulare per identificare quali perturbazioni portano all'attivazione di percorsi di sopravvivenza. La risoluzione single-cellula rivela non solo quali guide sono arricchite ma anche i programmi di trascrizione che offrono la resistenza alle cellule, gli effetti di resistenza alla trasmissione,

Proteomica a singola cella e Metabolomica

Mentre il RNA è un proxy per lo stato cellulare, le proteine e i metaboliti sono le molecole funzionali che eseguono i processi cellulari. La proteomica a singola cellula ha in ritardo transcriptomics a causa della mancanza di metodi di amplificazione, ma i recenti progressi nella spettrometria di massa (MS) e le tecnologie basate sull'anticorpo stanno chiudendo il gap di sensibilità.

In parallelo, approcci basati sulla fluorescenza come CyTOF (citometria di massa) possono misurare decine di proteine per cellula utilizzando anticorpi congiunti metallici, anche se con un basso throughput per la scoperta.Per le tecniche di imaging MS monocellulari come MALDI-TOF sono stati raffinati per catturare piccole molecole da singole cellule nella cultura.

Sequenziamento a lungo e in tempo reale

La sequenziamento a lungo letto non è solo per i genoma; sta anche trasformando la trascrizione a cellule singole. Sequenziando molecole di cDNA a lunghezza intera, le letture lunghe possono risolvere varianti di giunzione, fusioni geniche e espressione allelica senza inferenza computazionale.

Sequenziamento in tempo reale, un'altra capacità emergente degli strumenti Nanopore, consente ai ricercatori di trasmettere i dati di sequenziamento come viene generato. Questo apre possibilità per esperimenti dinamici in cui un ricercatore può monitorare i cambiamenti di espressione genica in una cultura nel tempo e smettere di sequenziare quando viene raggiunta una soglia, o regolare i trattamenti di metà dell'esperienza in base ai risultati iniziali.

Integrazione con modelli e saggi di cultura

La potenza delle tecnologie emergenti a singola cellula viene amplificata quando sono abbinate a sistemi di cultura avanzati. Gli organioidi, i sistemi microfisiologici (organs-on-chips) e i costrutti biostampati 3D producono tessuti complessi che imitano più accuratamente la fisiologia in vivo. L'analisi a singola cellula di queste culture può rivelare come le interazioni cellulari, le forze meccaniche e i gradienti nutrienti modellano la funzione del tessuto.

Per esempio, combinando trascrizioni spaziali con culture organoide ha permesso ai ricercatori di mappare la zonazione degli epatociti nei organoidi epatici e di identificare le nicchie progenitori rare. Analogamente, multi-omica monocellulare applicata ai organoidi derivati dal paziente dai tumori ha scoperto risposte eterogenee di droga che si riferiscono a stati epigenetici distinti.

Un’altra integrazione emozionante è l’uso di microfluidici per creare ambienti di cultura dinamica. I ricercatori possono combinare la cultura cellulare microfluidica con la lisi monocellulare on-chip e la sequenziamento, creando un flusso di lavoro senza soluzione di continuità dalla cultura ai dati. Questi sistemi “sample-to-ristenza” riducono lo stress cellulare e forniscono una risoluzione temporale, in quanto le celle possono essere campionate a più punti di tempo dalla stessa cultura senza interrompere l’intera popolazione.

Le direzioni e le sfide future

Nonostante i notevoli progressi, l'adozione diffusa delle tecnologie emergenti a singola cellula affronta diversi ostacoli. La complessità dei dati continua a crescere come metodi generano dati multimodali, spaziali e temporali. L'analisi di questi set richiede strumenti computazionali sofisticati, e il campo manca di linee di condotta standardizzate per il trattamento e l'interpretazione.

Mentre i costi per celle sono scesi drammaticamente - alcuni metodi ad alto rendimento ora costano meno di un centesimo per cella - l'investimento in anticipo nella strumentazione (ad esempio, i controllori microfluidici, i citometri di massa, o i sequencer di lunga data) può essere proibitivo.

Gli effetti di Batch, spesso più grandi della variabilità biologica, possono confondere interpretazioni. I materiali di riferimento emergenti, come miscele di linee cellulari con transcriptomes conosciuti, sono stati sviluppati per calibrare saggi e normalizzare i dati. Inoltre, gli algoritmi di machine learning che modellano esplicitamente gli effetti batch, come scVI e dati Harmony, sono sempre più utilizzati.

I modelli di apprendimento approfondito possono imputare i dati mancanti, classificare i tipi di cellule e prevedere i risultati di perturbazione dai profili a singola cella. Il design sperimentale a guida AI potrebbe anche ottimizzare le condizioni di cultura in tempo reale, creando sistemi a ciclo chiuso dove la separazione dei dati informa la composizione media o il dosaggio dei farmaci.

Infine, le considerazioni etiche devono essere affrontate come tecnologie a singola cellula diventano piÃ1 potenti. La capacità di sequenza delle singole cellule umane solleva preoccupazioni sulla privacy, soprattutto quando applicate ai campioni clinici.

In conclusione, le tecnologie emergenti per la sequenziamento di singole cellule negli studi di cultura stanno espandendo i confini di ciò che possiamo osservare e comprendere. Dalla trascrizione spaziale che rivela la geografia dell'espressione genica a multi-omica che collega il genoma al proteome, questi strumenti stanno fornendo una finestra senza precedenti nel comportamento cellulare.

Link esterno:[]