March 12th, 2021
在这里,作者展示了MULTI-seq用于表型的效用,以及随后配对的scRNA-seq和scATAC-seq在表征视网膜转录组和染色质可及性图谱方面的效用。
该协议将使使用单细胞RNA-seq进行初始表型分析成为可能。并且,当与单细胞ATAC-seq配对时,基因调控网络的重建。使用MULTI-seq可降低初始研究的成本,并且固定单细胞RNA-seq和单细胞ATAC-seq的配对样品可以对基因调控网络进行时程分析。
研究人员可以利用该协议来了解控制发育和疾病进展的遗传网络。首先,向每个样品中加入20微升锚定条形码溶液,然后移液混合。在冰上孵育五分钟。
然后向每个样品中加入20微升共锚溶液,并在冰上再孵育五分钟。向每个样品中加入一毫升冰冷的1%BSA和PBS,并在4摄氏度下以300×g离心细胞5分钟。在不干扰细胞沉淀的情况下除去上清液。
然后加入400微升冰镇1%BSA和PBS。在 300 x g 下在 4 摄氏度下离心五分钟。使用血细胞计数器确定每个样品的细胞浓度,并计算凝胶珠乳液或GEM所需的细胞总数和体积。
将每个样品的计算体积合并到新的无菌1.5毫升管中,并确定合并样品的最终细胞浓度。在GEM生成和条形码后,使用大小选择进行基因表达cDNA纯化,确保不要丢弃第一轮选择中的上清液,其中包含样品条形码。将上清液转移到新的无菌1.5毫升微量离心管中并将其储存在冰上。
涡旋基于顺磁珠的尺寸选择试剂,并向上清液中加入260微升试剂和180微升100%异丙醇。将混合物移液 10 次,并在室温下孵育 5 分钟。将试管放在磁性架上,等待溶液清除。
溶液澄清后,取出并丢弃上清液。向珠中加入500微升80%乙醇30秒,然后弃去上清液。重复此操作,总共洗涤两次。
短暂离心珠子并将它们放回磁性架。将计时器设置为两分钟。然后用P10移液管除去残留的乙醇,并在磁性架上风干珠子剩余的两分钟。
从磁性架上取出磁珠,并将其重悬于100微升洗脱缓冲液中。彻底移液以重悬,并在室温下孵育两分钟,然后将磁珠放回磁性架并等待溶液清除。将上清液转移到新鲜的1.5毫升微量离心管中。
如图所示重复净化,使用一半体积的洗脱缓冲液。对于用于scATAC序列的样品,使用P200移液管从微量离心管中取出任何液体,并在乙醇干冰中快速冷冻样品。要解离用于scRNA测序的样品中的细胞,请使用木瓜蛋白酶执行解离步骤,如文本手稿中所述。
在室温下以300×g离心细胞三分钟,并在不破坏细胞沉淀的情况下除去上清液。加入一毫升冷藏的PBS,混合10次或直到细胞完全悬浮。再次,在4摄氏度下以300×g离心五分钟,然后用PBS重复洗涤两次。
开始以最低速度设置涡旋试管,并逐滴加入900微升冷冻甲醇,同时继续轻轻涡旋试管以防止细胞结块。将细胞在冰上孵育15分钟。使用血细胞计数器确定固定细胞的浓度,并使用台盼蓝评估固定步骤的功效。
将冷冻组织和固定细胞储存在零下80摄氏度。多序列条形码可实现多个样品的组合测序及其随后的计算反卷积。可以根据每个单元格的条形码表达确定其原产地样本。
这些组合样本可以作为单个数据集进行分析,用于细胞聚类和细胞类型鉴定。由于每个细胞在GEM生成之前都有条形码,因此细胞双联体很有可能显示多个MULTI序列条形码的表达,因此可以在聚类和细胞类型鉴定之前识别和去除大多数双峰。单细胞ATAC测序可用于生成具有与单细胞RNA测序发现的细胞类型相匹配的细胞类型的数据集。
单细胞RNA测序基因表达和单细胞ATAC测序DNA可及性信息的配对能够重建基因调控网络。尝试实验方案时,请记住,民族醇蒸发的两分钟时间对于后续洗脱步骤中的序列检索至关重要。使用配对的单细胞RNA-seq和单细胞ATAC-seq重建基因调控网络,为基因过表达和敲除研究产生靶标。
MULTI-seq可以在此阶段用于鉴定细胞类型特异性效应。
View the full transcript and gain access to thousands of scientific videos
本研究展示了MULTI-seq在表型分析中的应用,随后通过配对单细胞RNA测序(scRNA-seq)和单细胞ATAC测序(scATAC-seq)来表征视网膜细胞的转录组和染色质可及性。该方法允许进行具有成本效益的初步调查,同时能够分析基因调控网络随时间的变化。
Understanding retinal gene regulatory networks is critical for identifying therapeutic targets in ocular diseases. The integration of scRNA-seq and scATAC-seq enables mechanistic de-risking by linking chromatin accessibility to transcriptional output. This approach supports target validation and predictive confidence in preclinical discovery pipelines.
The method fits within early discovery to lead identification, enabling hypothesis testing and pathway clarification before compound screening.