Current Opinion in Biotechnology | 基因組規(guī)模代謝模型分析單細(xì)胞組學(xué)
單細(xì)胞技術(shù)的廣泛應(yīng)用產(chǎn)生了大量的單細(xì)胞數(shù)據(jù),因此對(duì)單細(xì)胞數(shù)據(jù)分析和解釋方法的需求不斷增長(zhǎng)。雖然單細(xì)胞數(shù)據(jù)可以通過機(jī)器學(xué)習(xí)等方法進(jìn)行分析,但對(duì)數(shù)據(jù)的解釋仍相對(duì)缺乏。基因組規(guī)模代謝模型(Genome-scale metabolic model,GEM)包含先驗(yàn)的代謝網(wǎng)絡(luò)知識(shí),已成為整合并解釋批量樣本組學(xué)數(shù)據(jù)的強(qiáng)大工具。因此,GEM或許也能用來分析和解釋單細(xì)胞數(shù)據(jù),而該領(lǐng)域也確實(shí)正在興起。利用GEM 整合分析單細(xì)胞數(shù)據(jù)有望揭示細(xì)胞代謝領(lǐng)域的眾多新發(fā)現(xiàn),探究細(xì)胞類型之間甚至復(fù)雜組織內(nèi)單細(xì)胞之間的代謝差異,為包括生物技術(shù)和醫(yī)學(xué)基礎(chǔ)研究在內(nèi)的多個(gè)領(lǐng)域帶來新的見解。
近日,中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院陳禹課題組與查爾姆斯理工大學(xué)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(xué)數(shù)據(jù)的常用方法,然后介紹了利用GEM分析單細(xì)胞組學(xué)數(shù)據(jù)的進(jìn)展,最后指出了該領(lǐng)域當(dāng)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?xiàng)罹в顓⑴c了文章撰寫。該工作獲得了國(guó)家重點(diǎn)研發(fā)計(jì)劃,深圳市醫(yī)學(xué)研究專項(xiàng)和深圳市科技計(jì)劃等項(xiàng)目的支持。
鑒于利用GEM分析批量樣品組學(xué)數(shù)據(jù)的方法已經(jīng)相對(duì)成熟,分析單細(xì)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(xué)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(xué)數(shù)據(jù),從參考模型(包含基因組注釋的整套代謝反應(yīng)集)中剔除不活躍的反應(yīng)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(xué)數(shù)據(jù)作為約束以提高GEM對(duì)代謝通量預(yù)測(cè)的準(zhǔn)確性。
然后,文章介紹了利用GEM分析單細(xì)胞數(shù)據(jù)的方法,與分析批量組學(xué)數(shù)據(jù)的方法類似,大致也可以分為兩類,即單細(xì)胞特異性模型的生成和單細(xì)胞代謝通量的預(yù)測(cè)(圖1)。
最后,文章總結(jié)了該領(lǐng)域的挑戰(zhàn)和前景。首要挑戰(zhàn)來自于單細(xì)胞技術(shù)本身的局限性,目前單細(xì)胞技術(shù)很少用于研究真正的單個(gè)細(xì)胞,因此整合GEM的分析也難以達(dá)到真正的單細(xì)胞水平。在單細(xì)胞代謝通量預(yù)測(cè)方面,其準(zhǔn)確性受限于單細(xì)胞層面的代謝物交換的測(cè)定以及單細(xì)胞目標(biāo)函數(shù)的確定。目前,GEM主要用于分析單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù),而隨著單細(xì)胞蛋白質(zhì)組學(xué)和代謝組學(xué)的發(fā)展,相信在不久的將來,基于GEM的單細(xì)胞多組學(xué)分析將成為可能。
圖1. 使用GEM分析單細(xì)胞組學(xué)數(shù)據(jù)
PI與課題組簡(jiǎn)介
陳禹,研究員,博士生導(dǎo)師,入選國(guó)家重大人才工程青年項(xiàng)目(海外)。2018年獲得華東理工大學(xué)生物化工博士學(xué)位,后于瑞典Jens Nielsen課題組開展博士后研究,2023年加入中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院合成生物學(xué)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(dān)任PNAS、Nature Communications等期刊審稿人。目前主持深圳市醫(yī)學(xué)研究專項(xiàng),參與國(guó)家重點(diǎn)研發(fā)計(jì)劃、深圳市科技計(jì)劃等項(xiàng)目。
陳禹課題組(https://chenyu.website/)從事系統(tǒng)生物學(xué)和合成生物學(xué)研究,聚焦基于代謝網(wǎng)絡(luò)的數(shù)字細(xì)胞建模,整合“干”“濕”實(shí)驗(yàn)技術(shù),實(shí)現(xiàn)細(xì)胞精準(zhǔn)模擬以指導(dǎo)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(xué)、計(jì)算生物學(xué)等相關(guān)研究背景博士后2名,歡迎有志之士投送簡(jiǎn)歷至y.chen3@siat.ac.cn。
附件下載: