2016值得關注的技術：綜合單細胞圖譜

　　《Nature Methods》盤點2015年度技術，選出了最受關注的技術成果：單粒子低溫電子顯微鏡（cryo-EM）技術。 除此之外，也整理出了2016年最值得關注的幾項技術，分別為：細胞內蛋白標記（Protein labeling in cells）、細胞核結構（Unraveling nuclear architecture）、動態蛋白質結構（Protein structure through time）、精準光遺傳學（Precision optogenetics）、高度多重化成像（Highly multiplexed imaging）、深度學習（Deep learning）、亞細胞結構圖譜（Subcellular maps）和綜合單細胞圖譜（Integrated single-cell profiles）。

　　單細胞技術已經不再是什么新鮮事，幾乎每年Nature Methods展望技術中都會出現它的身影，這主要是由于培養基或者機體中的細胞存在多樣性，或者說是異質性，這為許多實驗分析造成了障礙，因此隨著現代生物學的發展，“平均值”這個詞已經不能滿足我們的需要了，我們要了解細胞之間的差異性。如果能綜合各種單細胞圖譜，那么就能幫助研究人員了解基因調控與基因異質作用機制。

　　在單細胞各種技術中，單細胞測序（single-cell sequencing）已經被越來越多的科學家當作一副新眼鏡，重新審視他們的研究，在細胞水平上分析組織能令研究人員更了解異質性，也更能直接確定細胞的身份，比如新細胞類型（通過比較分子狀態）。目前單細胞 DNA 和 RNA 測序方法正日趨成熟，還有一連串的表觀遺傳技術近期也達到了單細胞水平。也許未來我們就可以繪制同一細胞的多重圖譜了。

　　單個細胞RNA測序技術已經日趨成熟，可以進行大規模分析，同樣也能用作表型參照，推斷細胞的功能，確定細胞身份。目前檢測單細胞基因表達的方法包括DNA甲基化、染色質輔助功能、組蛋白修飾和染色體結構等方面。不過雖然這些成果顯著，但大多數方法得益于更好的基因組覆蓋率和更清晰的信號，還有待解決的方面包括高降噪技術、由于采樣問題出現的數據稀疏，以及生物變量（如來自細胞周期的差異，批處理影響和生化隨機性等)。

　　研究已經證明，從批量細胞表觀遺傳數據獲取搜集機制或因果機制都很困難。許多數據類型存在相關性，細胞群體基因表達之間存在復雜的相互作用。如果能夠了解同一個細胞的表觀遺傳特征和RNA特征，那么就能提供更加直觀的解析，如表觀遺傳狀態如何影響基因表達的機制解釋，RNA如何反饋到表觀遺傳變化的機制解釋等等。

　　此外，基因表達可以從理論上用作樣品中亞群的細胞分類，將單細胞RNA數據與檢測表觀特征其它分析進行比對（一個實驗中的DNA甲基化與另一個實驗中DNA的可接近性），就能識別出每個亞群中表觀特征之間的關聯，以及它們對基因表達的潛在影響了。

　　綜合單細胞技術對于干細胞生物學，發育與組織異質性研究都具有十分重要的意義，如果有足夠的樣品，那么這就應該可以解決表觀遺傳變化在特殊位點如何影響基因表達這個問題。