image: 单细胞组学技术在不同组学领域的应用概览示意图。 view more
Credit: ©《中国科学》杂志社
这篇综述由来自浙江大学（郭国骥、郭洪山、阮怡军、王永成）、北京大学（张泽民、邢栋）以及华大生命科学研究院（徐讯）的知名研究团队主导，重点阐述了单细胞与空间组学的变革性能力。这些革命性技术超越了传统基因组方法，实现了对单个细胞及其在组织中定位的详细分析。这一进步为构建全面的细胞图谱铺平了道路，为理解疾病机制和开发创新疗法提供了关键见解。
在“单细胞测序技术”一节中，文章追溯了这些技术的发展历程，从最初的RNA测序逐步发展到全面的基因组、表观基因组和蛋白组测序（见图1）。文章突出展示了从单组学到多组学方法的重大转变，以及从关注整个细胞到研究亚细胞结构的深入探索。此外，综述还特别强调了测序能力的显著提升。
关于“单细胞多组学技术”的发展，文章详细介绍了这些复杂技术的进展。在单组学方法的基础上，多组学方法结合了诸如微流控技术、移液法、流式细胞术等先进技术进行细胞分离，以及复杂的标记策略，如分池条形码标记。多组学的核心原则是分离不同组学数据的同时，确保数据的完整性和高效分析。
接着，文章深入探讨了“空间转录组学和多组学”的历史，描述了过去25年中这些领域的显著进展。其中详细介绍了四种主要技术，并强调了其在发育生物学、神经科学、病理学和植物科学等领域的历史应用。
在计算方面，文章概述了用于分析单细胞基因组数据的策略，包括基于深度学习的细胞图谱数据建模。同时，还讨论了跨平台、跨物种大数据分析所带来的计算挑战。
文章进一步强调了自2016年“人类细胞图谱”（HCA）启动以来，跨物种、跨组织细胞图谱研究的历史，列举了鼠类和人类图谱的具有代表性的研究实例。
在“单细胞见解在转化医学中的应用”一节中，文章聚焦于单细胞基因组学在癌症治疗、非癌症疾病治疗、药物靶点发现和精准医学等临床应用中的重要作用（见图2）。该部分强调了单细胞见解在将研究成果转化为临床治疗中的关键意义。
最后，“单细胞基因组学的前景、挑战与机遇”一节探讨了单细胞与空间基因组学的未来，强调了通过提高通量、灵敏度和多样化实现技术变革的潜力（见图3）。文章展望了人工智能驱动的模型在加速疾病靶点发现和药物开发中的广阔前景，并以通过基础研究转化为临床应用来对抗疾病、保障人类健康的愿景为结尾，展望了一个全新的生物医学时代。
Journal
Science China Life Sciences