Current Opinion in Biotechnology | 基因組規(guī)模代謝模型分析單細胞組學
單細胞技術的廣泛應用產生了大量的單細胞數(shù)據(jù),因此對單細胞數(shù)據(jù)分析和解釋方法的需求不斷增長。雖然單細胞數(shù)據(jù)可以通過機器學習等方法進行分析,但對數(shù)據(jù)的解釋仍相對缺乏。基因組規(guī)模代謝模型(Genome-scale metabolic model,GEM)包含先驗的代謝網(wǎng)絡知識,已成為整合并解釋批量樣本組學數(shù)據(jù)的強大工具。因此,GEM或許也能用來分析和解釋單細胞數(shù)據(jù),而該領域也確實正在興起。利用GEM 整合分析單細胞數(shù)據(jù)有望揭示細胞代謝領域的眾多新發(fā)現(xiàn),探究細胞類型之間甚至復雜組織內單細胞之間的代謝差異,為包括生物技術和醫(yī)學基礎研究在內的多個領域帶來新的見解。
近日,中國科學院深圳先進技術研究院陳禹課題組與查爾姆斯理工大學Eduard J. Kerkhoven等人合作在Current Opinion in Biotechnology發(fā)表綜述文章Single-cell omics analysis with genome-scale metabolic modeling。文章首先回顧了利用GEM處理批量樣品組學數(shù)據(jù)的常用方法,然后介紹了利用GEM分析單細胞組學數(shù)據(jù)的進展,最后指出了該領域當前面臨的挑戰(zhàn)。陳禹研究員和Eduard J. Kerkhoven博士為文章的共同通訊作者,Johan Gustafsson博士為共同第一作者,Jens Nielsen教授和研究助理楊晶宇參與了文章撰寫。該工作獲得了國家重點研發(fā)計劃,深圳市醫(yī)學研究專項和深圳市科技計劃等項目的支持。
鑒于利用GEM分析批量樣品組學數(shù)據(jù)的方法已經(jīng)相對成熟,分析單細胞數(shù)據(jù)可能可以直接利用這些方法。因此,文章首先回顧了將批量組學數(shù)據(jù)與GEM整合的兩類常見方法。第一類方法為模型提取方法,即依據(jù)組學數(shù)據(jù),從參考模型(包含基因組注釋的整套代謝反應集)中剔除不活躍的反應從而生成特異性模型,例如組織或器官特異性模型;第二類方法是利用組學數(shù)據(jù)作為約束以提高GEM對代謝通量預測的準確性。
然后,文章介紹了利用GEM分析單細胞數(shù)據(jù)的方法,與分析批量組學數(shù)據(jù)的方法類似,大致也可以分為兩類,即單細胞特異性模型的生成和單細胞代謝通量的預測(圖1)。
最后,文章總結了該領域的挑戰(zhàn)和前景。首要挑戰(zhàn)來自于單細胞技術本身的局限性,目前單細胞技術很少用于研究真正的單個細胞,因此整合GEM的分析也難以達到真正的單細胞水平。在單細胞代謝通量預測方面,其準確性受限于單細胞層面的代謝物交換的測定以及單細胞目標函數(shù)的確定。目前,GEM主要用于分析單細胞轉錄組數(shù)據(jù),而隨著單細胞蛋白質組學和代謝組學的發(fā)展,相信在不久的將來,基于GEM的單細胞多組學分析將成為可能。
圖1. 使用GEM分析單細胞組學數(shù)據(jù)
PI與課題組簡介
陳禹,研究員,博士生導師,入選國家重大人才工程青年項目(海外)。2018年獲得華東理工大學生物化工博士學位,后于瑞典Jens Nielsen課題組開展博士后研究,2023年加入中國科學院深圳先進技術研究院合成生物學研究所。近五年一作文章發(fā)表于PNAS(4篇)、Nature Protocols、Molecular Systems Biology,Nucleic Acids Research等期刊,合作文章發(fā)表于Cell、Nature Catalysis、Nature Chemical Biology等期刊。多次受邀擔任PNAS、Nature Communications等期刊審稿人。目前主持深圳市醫(yī)學研究專項,參與國家重點研發(fā)計劃、深圳市科技計劃等項目。
陳禹課題組(https://chenyu.website/)從事系統(tǒng)生物學和合成生物學研究,聚焦基于代謝網(wǎng)絡的數(shù)字細胞建模,整合“干”“濕”實驗技術,實現(xiàn)細胞精準模擬以指導理性改造和人工合成;現(xiàn)招聘有生物工程、生物化工、發(fā)酵工程、生物信息學、計算生物學等相關研究背景博士后2名,歡迎有志之士投送簡歷至y.chen3@siat.ac.cn。
附件下載: