博文

植物单细胞转录组学的整合实验和计算工作流程

已有 190 次阅读 2026-4-18 22:17 |个人分类:科普|系统分类:科普集锦

植物单细胞转录组学的整合实验和计算工作流程

了解植物发育和环境响应需要对细胞异质性和基因调控进行高分辨率的深入了解。单细胞转录组学技术，包括单细胞 RNA 测序 (scRNA-seq) 和单核 RNA 测序 (snRNA-seq)，通过实现细胞类型特异性基因表达谱分析，改变了植物生物学。

基于原生质体的单细胞 RNA 测序（scRNA-seq）在构建细胞图谱、揭示发育轨迹以及鉴定拟南芥、水稻和玉米的关键调控网络方面发挥了重要作用。尽管原生质体分离在获取转录组全貌方面具有优势，但其应用常受限于应激诱导的假象、细胞回收率低以及对木质化组织的适用性降低。相比之下，单核RNA测序（snRNA-seq）能够获取难以分离的组织，并在最大程度上保留转录状态。然而，snRNA-seq 通常每个细胞核检测到的基因数量较少，且细胞质转录本的代表性不足，从而影响某些生物学过程的分辨率。尽管这两种方法具有互补性，但目前在植物中对它们进行直接比较的研究仍然有限，因此，它们在不同组织和条件下的优势和偏差仍存在一些悬而未决的问题。

在哺乳动物组织中，scRNA-seq 和 snRNA-seq 已显示出系统性偏差，并由此衍生出基于组织类型和实验背景选择合适方法的实用指南。玉米作为一种重要的作物和遗传模型，是完善和评估植物单细胞技术的理想系统。根系发育（营养吸收和抗逆性的基础）和叶片结构（光合作用和气体交换的关键）已通过单细胞方法进行了广泛的研究。最近，Wang等人系统比较了玉米根和叶组织中基于原生质体和细胞核的单细胞转录组学方法（图 1）。他们分析了样品制备过程中引入的偏差，评估了优化的批量测序和伪批量测序策略，并整合了不同平台的数据。具体而言，(i)评估了每种方法的优势和局限性，(ii)构建了玉米叶和根组织的高分辨率转录组图谱，以及(iii)为优化植物单细胞转录组学工作流程提供了实用指导。这些结果共同为组织特异性转录组分析提供了新的见解，并为拓展植物生物学中的单细胞应用奠定了基础。

图1 实验设计示意图。从玉米 B73 幼苗中采集样品，然后采用三种平行策略进行处理：原生质体化、新鲜组织核分离和速冻核分离。所得单细胞或单核分别进行单细胞/单核 RNA 测序或批量 RNA 测序。进行生物信息学分析以评估转录组谱，并评估不同样品制备方法引入的技术差异

在本研究中，作者们系统地评估了玉米单细胞转录组分析策略，包括基于原生质体和基于细胞核的方法，并分析了不同组织类型条件下的分析结果。通过优化样品制备和测序方案，生成了高质量的单细胞数据集，这些数据集能够捕捉玉米组织中独特的细胞组成和表达模式。通过引入与基于液滴的单细胞化学方法相匹配的批量 RNA 测序方案，提高了输入匹配的批量和伪批量相关性，从而增强了单细胞数据集的可解释性和可重复性，为实验设计和数据解读提供了实用指导。由于原生质体具有更高的细胞回收率、更优的序列比对、更广泛的转录组覆盖范围和更高的灵敏度，因此通常是植物单细胞测序的首选输入物。在组织结构复杂或目标细胞深埋的情况下，建议使用从速冻样本中分离的细胞核作为补充方法，但同时也可能引入应激或损伤相关的转录偏倚。当液氮供应有限时，新鲜细胞核可以作为替代方案，虽然性能略有下降，但总体数据质量与原生质体相当。然而，所有操作步骤都必须严格遵守。冰冻保存对于维持样品完整性至关重要，不容妥协。该研究结果为构建复杂植物系统中的高分辨率单细胞图谱提供了一个全面的框架，并为选择合适的实验策略提供了实用指导。由于本研究基于单一玉米自交系（B73）的两个器官（第二片叶和主根尖），因此其结果能否直接推广到其他基因型、组织类型或物种仍有待验证。这些发现强调了针对特定生物学问题优化实验设计的必要性，尤其是在比较研究或探究细微调控差异时。

参考文献

[1] Wang, J., Zheng, S., Lu, B. et al. Integrated experimental and computational workflows for single-cell transcriptomics in plants. Plant Methods 22, 12 (2026). https://doi.org/10.1186/s13007-025-01490-6

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC