Transcriptómica unicelular y espacial
La transcriptómica unicelular mide la expresión génica en células individuales en lugar de en tejido a granel, revelando la heterogeneidad que el promedio de muchas células oculta, mientras que la transcriptómica espacial retiene la posición de cada medición dentro de una sección de tejido. Juntas permiten leer el transcriptoma célula por célula y, cada vez más, in situ, exponiendo distintos tipos de células, estados y su organización dentro de los tejidos.
Definition
La transcriptómica unicelular cuantifica los transcritos de ARN dentro de células individuales, y la transcriptómica espacial mide la abundancia de transcritos mientras preserva la ubicación bidimensional de cada medición dentro de un tejido, de modo que la expresión se puede analizar por célula y en contexto anatómico.
Scope
Este tema cubre cómo se capturan los transcriptomas de células individuales (aislamiento celular, codificación de barras y secuenciación), los pasos computacionales que convierten los datos dispersos por célula en mapas de tipos celulares (agrupamiento y reducción de dimensionalidad), y los métodos espaciales que preservan la ubicación del tejido. Es una referencia metodológica dentro de la transcriptómica y no proporciona orientación clínica.
Core questions
- ¿Cómo se captura y etiqueta de forma única el ARN de miles de células individuales en paralelo?
- ¿Cómo se agrupan los perfiles unicelulares dispersos en tipos y estados celulares?
- ¿Cómo pueden los métodos espaciales preservar el lugar en un tejido donde se midió cada transcrito?
- ¿Qué artefactos técnicos (abandono o "dropout", dobletes, efectos de lote) debe tener en cuenta el análisis?
Key concepts
- Aislamiento celular y captura basada en gotas
- Codificación de barras celulares e identificadores moleculares únicos
- Esparsidad y abandono ("dropout")
- Reducción de dimensionalidad y agrupamiento
- Identificación de tipos y estados celulares
- Análisis de trayectoria y tiempo pseudotime
- Transcriptómica espacialmente resuelta
- Efectos de lote e integración
Mechanisms
En la secuenciación de ARN unicelular, las células individuales se separan —a menudo mediante encapsulación en gotas— y los transcritos de cada célula se etiquetan con un código de barras específico de la célula y, con frecuencia, un identificador molecular único antes de la secuenciación agrupada, de modo que las lecturas se pueden asignar de nuevo a su célula de origen y contar sin sesgo de amplificación. Debido a que cada célula produce poco ARN, las matrices resultantes son dispersas y ruidosas: no todos los genes expresados se detectan (abandono o "dropout"), y el análisis se basa en la reducción de dimensionalidad y el agrupamiento para agrupar las células en tipos y estados, como hicieron Zeisel y sus colegas para el cerebro de ratón. Tang y sus colegas demostraron por primera vez la secuenciación del transcriptoma completo de una sola célula, estableciendo el enfoque. La transcriptómica espacial, introducida por Stahl y sus colegas, coloca secciones de tejido en matrices de puntos de captura con códigos de barras posicionales para que la expresión pueda mapearse de nuevo a la arquitectura del tejido, vinculando los perfiles moleculares con la anatomía.
Clinical relevance
La transcriptómica unicelular y espacial están remodelando los mapas de referencia de los tejidos en el desarrollo, la inmunología y la oncología al resolver la composición celular y la organización espacial del tejido normal y enfermo. Como tema de referencia, esta entrada explica cómo se genera la evidencia de expresión resuelta a nivel celular; no es una base para decisiones individuales de diagnóstico o tratamiento.
Evidence & guidelines
Los puntos de referencia metodológicos incluyen la primera secuenciación del transcriptoma unicelular (Tang y sus colegas), grandes estudios de tipificación celular (Zeisel y sus colegas), y la introducción de la transcriptómica espacial basada en matrices (Stahl y sus colegas). Estas son referencias metodológicas más que guías clínicas.
History
La transcriptómica unicelular comenzó en 2009 cuando Tang y sus colegas secuenciaron el transcriptoma de una célula. A mediados de la década de 2010, la codificación de barras basada en gotas escaló el enfoque a miles de células, permitiendo el descubrimiento sistemático de tipos celulares, como el atlas cerebral de Zeisel y sus colegas. En 2016, Stahl y sus colegas introdujeron la transcriptómica espacial basada en matrices, y los métodos espaciales posteriores basados en imágenes y secuenciación extendieron la resolución y la cobertura génica, complementando las grandes iniciativas de atlas celulares.
Debates
- Resolución versus cobertura del transcriptoma en métodos espaciales
- Los métodos espaciales basados en imágenes pueden alcanzar una resolución casi unicelular o subcelular, pero generalmente miden un panel limitado y predefinido de genes, mientras que los métodos de captura basados en secuenciación cubren todo el transcriptoma con una resolución espacial más gruesa; el compromiso entre resolución y amplitud sigue siendo una cuestión de diseño activa.
Key figures
- M. Azim Surani
- Sten Linnarsson
- Joakim Frisen
- Fuchou Tang
Related topics
Seminal works
- tang-2009
- zeisel-2015
- stahl-2016
Frequently asked questions
- ¿Por qué los datos de expresión unicelular son tan dispersos?
- Cada célula contiene solo una pequeña cantidad de ARN, por lo que muchos genes que realmente se expresan no se capturan en una célula determinada (abandono o "dropout"). Esto hace que los perfiles por célula sean ruidosos e incompletos, por lo que el análisis se basa en agrupar muchas células a través del agrupamiento.
- ¿En qué se diferencia la transcriptómica espacial de la secuenciación de ARN unicelular?
- La secuenciación de ARN unicelular disocia el tejido, por lo que las células se perfilan individualmente pero pierden su ubicación original. La transcriptómica espacial mide la expresión mientras preserva el lugar del tejido de donde provino cada medición, lo que permite que los perfiles moleculares se vuelvan a colocar en el contexto anatómico.
Methods for this concept
- Single-cell RNA-seq analysis
- Time-series single-cell RNA-seq analysis
- Single-cell RNA-seq differential expression
- Differential single-cell RNA-seq analysis
- Machine learning-assisted single-cell RNA-seq analysis
- Multi-omics single-cell RNA-seq analysis
- Single-cell sequence alignment
- Single-cell variant calling