单细胞转录组重要研究文献汇总（二）

4.单细胞转录组测序在植物领域崭露头角

相比动物的单细胞研究，由于植物具有细胞壁的特点，使得植物的单细胞研究相比较难，但是继2月份的拟南芥根组织单细胞转录组学研究[8]，本月在《Developmental Cell》上又发表了一篇基于拟南芥根组织的单细胞转录组学研究报道[9]。来自德国图宾根大学植物分子生物学中心的研究人员运用10X Genomics 单细胞转录组测序方法对拟南芥的根组织细胞进行了图谱鉴定。该图谱提供了详细的时空信息，确定了所有的主要细胞类型，包括静止中心（QC细胞）的稀有细胞，揭示了在细胞命运转化为独特的细胞形状和功能过程中的关键发育调控因子和下游基因。通过拟时间序列分析，该研究描绘了从细胞从niche到分化的精细发生轨迹及主要调控转录因子。几乎在同一时间，华盛顿大学基因组科学中心的研究人员同样利用拟南芥根组织的单细胞测序研究在植物顶级期刊《Plant Cell》上发表了拟南芥根图谱结果[10]。在该研究中，除了和上述两篇文章类似的根部细胞分类之外，还通过热胁迫处理，来揭示在非生物胁迫下细胞内部的响应异质性。该研究表面单细胞转录组学研究在植物发育和生理学研究中都有这广阔的前景。

图5 根细胞中分生到细胞成熟过程的基因变化热图

5.单细胞研究方法学进展

除了以上单细胞转录组学研究进展之外，基于单细胞组学分析的方法学研究在本月也有成果发表，其中包括《Nature Method》关于细胞成分分析的CPM方法[11]，《Nucleic Acids Research》关于基于单细胞转录组数据的细胞特异性网络构建[12]，《Genome Biology》上关于基于液滴单细胞转录组数据中低转录水平细胞识别（EmptyDrops）软件的开发[13]，《Nature Biotechnology》上用于细胞可能性命运鉴定的Palantir算法开发[14]及《Nature Method》上有关tSNE算法优化的研究[15]。这些研究都为未来单细胞组学研究的进一步发展提供了强有力的工具。

为方便国内科研工作者的单细胞组学研究，上海生物芯片有限公司（SBC）于2018年引进10x Genomics单细胞组学检测平台，可为广大科研工作者提供从样本到分析的一体化解决方案，欢迎广大科研朋友们与我们开展深入的沟通和广泛的合作

1. Guo, J., et al., The adult human testis transcriptional cell atlas. Cell Res, 2018. 28(12): p. 1141-1157.

2. Sohni, A., et al., The Neonatal and Adult Human Testis Defined at the Single-Cell Level. Cell Rep, 2019. 26(6): p. 1501-1517 e4.

3. Ernst, C., et al., Staged developmental mapping and X chromosome transcriptional dynamics during mouse spermatogenesis. Nat Commun, 2019. 10(1): p. 1251.

4. Li, N., et al., Memory CD4(+) T cells are generated in the human fetal intestine. Nat Immunol, 2019. 20(3): p. 301-312.

5.  Miller, B.C., et al., Subsets of exhausted CD8(+) T cells differentially mediate tumor control and respond to checkpoint blockade. Nat Immunol, 2019. 20(3): p. 326-336.

6. Good, Z., et al., Proliferation tracing with single-cell mass cytometry optimizes generation of stem cell memory-like T cells. Nat Biotechnol, 2019. 37(3): p. 259-266.

7.  Mickelsen, L.E., et al., Single-cell transcriptomic analysis of the lateral hypothalamic area reveals molecularly distinct populations of inhibitory and excitatory neurons. Nat Neurosci, 2019. 22(4): p. 642-656.

8.  Ryu, K.H., et al., Single-cell RNA sequencing resolves molecular relationships among individual plant cells. Plant Physiol, 2019.

9.  Denyer, T., et al., Spatiotemporal Developmental Trajectories in the Arabidopsis Root Revealed Using High-Throughput Single-Cell RNA Sequencing. Dev Cell, 2019. 48(6): p. 840-852 e5.

10.  Jean-Baptiste, K., et al., Dynamics of gene expression in single root cells of A. thaliana. Plant Cell, 2019.

11. Frishberg, A., et al., Cell composition analysis of bulk genomics using single-cell data. Nat Methods, 2019.

12. Dai, H., et al., Cell-specific network constructed by single-cell RNA sequencing data. Nucleic Acids Res, 2019.

13.  Lun, A.T.L., et al., EmptyDrops: distinguishing cells from empty droplets in droplet-based single-cell RNA sequencing data. Genome Biol, 2019. 20(1): p. 63.

14. Setty, M., et al., Characterization of cell fate probabilities in single-cell data with Palantir. Nat Biotechnol, 2019.

15. Linderman, G.C., et al., Fast interpolation-based t-SNE for improved visualization of single-cell RNA-seq data. Nat Methods, 2019. 16(3): p. 243-245.