2018年10月5日，來自美國斯坦福大學(xué)、陳-扎克伯格生物中心（Chan Zuckerberg Biohub），弗吉尼亞州帕洛阿爾托醫(yī)療保健系統(tǒng)和加州大學(xué)的一個(gè)龐大的研究團(tuán)隊(duì)組建了一個(gè)名為Tabula Muris (Mouse Atlas)的小鼠細(xì)胞信息的開源數(shù)據(jù)庫。在他們發(fā)表在Nature期刊上的標(biāo)題為“Single-cell transcriptomics of 20 mouse organs creates a Tabula Muris”的論文中，該團(tuán)隊(duì)描述了如何獲得這種數(shù)據(jù)庫中的信息以及如何使用它。
這篇文章中，作者對3月大(10-15w)的3只雌性和4只雄性C57BL/6JN小鼠的20個(gè)器官進(jìn)行了單細(xì)胞測序，得到了100605個(gè)細(xì)胞（Fig 1A：）。
考慮到任何一種單細(xì)胞測序方法只能提供關(guān)于生物體內(nèi)細(xì)胞類型多樣性和每個(gè)細(xì)胞類型內(nèi)基因表達(dá)的部分觀點(diǎn)，該研究采用了兩種單細(xì)胞測序策略：基于微流控液滴的3'測序（得到更多的細(xì)胞）和基于流式分選的全場轉(zhuǎn)錄組測序（更高敏感度和全面的得到細(xì)胞類型）
1. Defining organ-specific cell types
本研究豐富了在一些器官和組織中新的細(xì)胞類型的特征基因表達(dá)譜，比如成年胰腺中Neurog3、Hhex和Prss53基因，下肢肌肉中Chodl基因等等可能具有新的作用。
2. Methodological comparison
FACS方法得到44949個(gè)細(xì)胞，微流控測的55656個(gè)細(xì)胞。
FACS方法平均測得814,488 reads per cell，微流控方法平均測得7709 UMI per cell。（兩個(gè)方法測到的基因數(shù)都是非常多的）
此外，兩種方法得到的細(xì)胞，都是內(nèi)皮和白細(xì)胞最多。
為了了解本研究采用的FACS法和微流體法兩種方法的技術(shù)偏差以及對試驗(yàn)的影響，作者納入了第三種方法microwell測序，并將三者進(jìn)行比較，結(jié)果發(fā)現(xiàn)在不同的器官中采用不同方法檢測到每個(gè)細(xì)胞的基因數(shù)存在差異。在膀胱、肝臟、肺、乳腺、氣管、舌頭和脾臟中，F(xiàn)ACS法檢測到的每個(gè)細(xì)胞的基因數(shù)量幾乎是微流體法的兩倍，而在心臟和骨髓中數(shù)量幾乎相當(dāng)(a)。這種差異可能與測序深度無關(guān)，因?yàn)镕ACS和微流體液滴庫都接近飽和(b)。
通過分析脾臟和腎臟兩個(gè)未進(jìn)行標(biāo)記分選的器官，可以比較不同方法間不同細(xì)胞類型的數(shù)量和相對豐度。結(jié)果發(fā)現(xiàn)，兩種方法捕獲的細(xì)胞類型各占比相等(Pearson相關(guān)系數(shù)分別為脾：0.99；腎臟：0.99)。盡管如此，微液滴法還是識別了兩個(gè)器官中FACS法遺漏的細(xì)胞類型，譬如腎系膜細(xì)胞，脾樹突細(xì)胞和自然殺傷細(xì)胞，這可能與是細(xì)胞豐度和采樣深度有關(guān)，也可能是由于不同方法之間的細(xì)胞捕獲和裂解偏差。由于FACS法捕獲的細(xì)胞更少，但每個(gè)細(xì)胞鑒定到的分子比微流體法多，本研究試圖探究這兩種方法在33個(gè)共享細(xì)胞群的大基因表達(dá)譜上是否一致。結(jié)果發(fā)現(xiàn)，這些基因表達(dá)譜之間相關(guān)性較高(Pearson相關(guān)系數(shù)：0.74-0.90)，這表明盡管方法之間存在偏差，但兩者都準(zhǔn)確地概括了平均細(xì)胞類型基因表達(dá)譜。
3. Global clustering across organs
對所有細(xì)胞進(jìn)行聚類，得到54個(gè)cluster，注釋得到25個(gè)細(xì)胞群。
和預(yù)期的一致，不同組織的器官常常混合在一起。54個(gè)cluster中有25個(gè)包含了不同器官的至少五個(gè)細(xì)胞。比如cluster 3和48都包含了超過五種器官的內(nèi)皮細(xì)胞，cluster 1和24包含了至少4個(gè)器官的基質(zhì)和間質(zhì)細(xì)胞。cluster 2包含了來自脂肪，骨骼肌，肺，脾臟，骨髓和肝臟的b細(xì)胞，以及胸腺，心臟和骨骼肌的白細(xì)胞和淋巴細(xì)胞。這提示細(xì)胞類型對被檢測到基因表達(dá)的影響強(qiáng)于樣品處理或解離方案的差異。
This suggests that the effect of cell type on measured gene expression is stronger than the effect of batch or dissociation protocol.
隨后作者以T細(xì)胞為演示，做了進(jìn)一步的分析。
聚類得到5個(gè)cluster，根據(jù)marker基因做了一下注釋。cluster 0包含那些經(jīng)歷VDJ重排的胸腺細(xì)胞，而cluster 2包含那些表達(dá)IL2受體的非胸腺T細(xì)胞，表明它們被激活。
4. Global transcription factor analysis
定義細(xì)胞類型的一個(gè)主要目標(biāo)是去理解細(xì)胞間的潛在調(diào)節(jié)網(wǎng)絡(luò)。
Fig 5A：作者使用了數(shù)據(jù)中檢測到的1016個(gè)轉(zhuǎn)錄因子，通過對每個(gè)細(xì)胞群這些轉(zhuǎn)錄因子的基因表達(dá)矩陣進(jìn)行相關(guān)性聚類，探究了how transcription factors contribute to cell-type identity。
結(jié)果和使用所有基因做聚類得到的樹狀圖(Extended Data Fig. 10a)差別不大，提示表明轉(zhuǎn)錄因子表達(dá)可以大致定義細(xì)胞類型。而在用細(xì)胞表面標(biāo)志物或RNA剪接因子來重復(fù)此分析時(shí)，發(fā)現(xiàn)情況并非如此，表明轉(zhuǎn)錄因子能夠更好地確定細(xì)胞類型。
Fig 5B-E：隨后作者通過器官之間的共有細(xì)胞類型的相關(guān)性分析計(jì)算了器官特有的轉(zhuǎn)錄因子
Fig 5F：為了探究哪種轉(zhuǎn)錄因子對注釋細(xì)胞類型最有幫助，作者通過隨機(jī)森林模型進(jìn)行了變量選擇，得到同時(shí)定義不同臟器所有細(xì)胞類型的136個(gè)轉(zhuǎn)錄因子。
Fig 5G-I：隨后作者定義了可以區(qū)分某個(gè)細(xì)胞類型和其他細(xì)胞的轉(zhuǎn)錄因子集，結(jié)果發(fā)現(xiàn)，對于某些細(xì)胞類型，如肝細(xì)胞、衛(wèi)星細(xì)胞和少突膠質(zhì)細(xì)胞，其中某些重編程因子是區(qū)分細(xì)胞類型的首要變量（2-813）
綜上，通過利用小鼠的轉(zhuǎn)錄組圖譜有助于發(fā)現(xiàn)新的細(xì)胞類型，發(fā)現(xiàn)已知細(xì)胞類型中的新的基因表達(dá)，以及比較不同器官細(xì)胞類型?？紤]到3個(gè)月大的小鼠與20歲人類有一定相似的生物特征，Tabula Muris數(shù)據(jù)庫也可以當(dāng)成健康青年器官的參考，可作為當(dāng)前和未來疾病小鼠模型的基線。
Tabula Muris網(wǎng)站
打開主頁首先看到的是簡介。隨后Code，可以在github進(jìn)行下載，用于注釋單元格，產(chǎn)生論文中所有圖形的代碼。
在Data下用戶點(diǎn)擊“figshare”按鈕即可進(jìn)入數(shù)據(jù)下載頁面。
然后是網(wǎng)站的核心功能區(qū)：Visualiation
Visualiation功能區(qū)，使用無偏聚類和標(biāo)記基因表達(dá)來識別每個(gè)器官中的細(xì)胞類型，從而詳細(xì)描述了每只小鼠的細(xì)胞多樣性。每個(gè)器官中每種細(xì)胞類型的基因表達(dá)都可以使用下面的互動圖解顯示。
新文章
20年7月份，Tabula Muris背后的科研團(tuán)隊(duì)通過對小鼠的17個(gè)器官組織在10個(gè)不同時(shí)間節(jié)點(diǎn)進(jìn)行RNA測序和血漿蛋白質(zhì)組分析，建立了小鼠衰老細(xì)胞圖譜，為衰老過程的研究提供了高時(shí)空分辨率的基因表達(dá)圖譜數(shù)據(jù)庫，文章發(fā)表在nature上。
對這篇文章數(shù)據(jù)進(jìn)行挖掘的文章發(fā)在elife上
