В прошлом году исследователи Broad описали метод секвенирования одноядерной РНК под названием sNuc-Seq. Эта система позволила исследователям изучить профили экспрессии генов трудноизолированных типов клеток, а также клеток из архивных тканей. Теперь команда под руководством Broad преодолела ключевой камень преткновения на пути широкого использования sNuc-Seq: масштабирование.
В статье, опубликованной в Nature Methods, научные сотрудники Наоми Хабиб, Инбал Авраам-Давиди и Аниндита Басу; члены основного института Фэн Чжан и Авив Регев; и их коллеги раскрывают DroNc-Seq, метод профилирования экспрессии отдельных клеток, который объединяет sNuc-Seq с микрофлюидикой, позволяя проводить массовые параллельные измерения экспрессии генов в тканях со сложной структурой.
В прошлом исследователи изо всех сил пытались изучить экспрессию в нейронах и других клетках сложных тканей, таких как мозг, на уровне отдельных клеток. Это было связано с тем, что процедуры выделения клеток влияли на их содержание РНК и не всегда точно отражали истинные пропорции типов клеток, присутствующих в образце. Более того, процедуры не работали для замороженных архивных тканей. sNuc-Seq обошел эти проблемы, используя вместо этого отдельные ядра, извлеченные из клеток.
Однако sNuc-Seq – это технология с низкой производительностью, в которой для сбора и анализа образцов используются 96- или 384-луночные планшеты. Чтобы масштабировать метод до уровня, необходимого для эффективного изучения тысяч ядер одновременно, команда обратилась к микрофлюидике. Их вдохновение: Drop-Seq, метод одноклеточной РНК-seq (scRNAseq), который инкапсулирует отдельные клетки вместе со штрих-кодами гранул ДНК в микрокаплях для значительного ускорения экспериментов по профилированию экспрессии и снижения затрат.
Чтобы проверить точность и скорость нового метода, команда успешно сравнила DroNc-Seq с Drop-Seq, sNuc-Seq и другими методами scRNAseq с меньшей пропускной способностью, используя линию клеток мыши и ткань мозга мыши. Они также применили его к тканям человеческого мозга, собранным в рамках проекта Genotype-Tissue Expression (GTEx) Project, обнаружив, что они могут: а) идентифицировать сигнатуры экспрессии, уникальные для нейронов, глиальных клеток и других типов клеток в головном мозге (включая редкие типы), и б) различать близкородственные подтипы клеток.
Надежность и точность DroNc-Seq позволяют предположить, что он может стать ценным дополнением к стабильным технологиям, используемым в рамках Атласа клеток человека и других усилий, основанных на scRNAseq.