Статья в Nature Genetics про эпителиально-мезенхимальный переход (epithelial-to-mesenchymal transition, EMT) из лабораторий Jay Shendure и Cole Trapnell.

Если высевать эпителиальные клетки (MCF10A в одном из экспериментов) на участке чашки Петри, то краевые клетки, чувствуя свободное пространство рядом, спонтанно решают стать мезенхимальными.
В итоге можно найти различия в экспрессии некоторых генов, вроде мезенхимального маркера VIM, между внутренними и внешними клетками (пару тысяч клеток в каждой из групп).

Конечно же, авторы взяли Monocle (уже доступен третий, но в статье был Monocle2) и попытались упорядочить клетки вдоль линейной траектории. Из этого кажется, что дискретные состояния перехода, о которых иногда сообщают в статьях, не различимы, а вместо этого видна постепенная прогрессия клеток из эпителиального в мезенхимальное состояние.

Подобные наблюдения воспроизводятся на клеточных линиях, вроде эпителиальной HuMEC, а также (он и в третий раз ходил за ёлкой…) на MCF10A под воздействием TGF-β (transforming growth factor-β).

https://twitter.com/coletrapnell/status/1168944835379826688

(Извините.)

Single Cell Genomics — это, пожалуй, основная конференция в single-cell области. Эта молодая область развивается с безумным темпом, отчего получается увлекательное и весёлое зрелище, наполненное интересными докладами, обсуждениями и встречами. В то же время на ней, как на многих ламповых конференциях, были и неопубликованные результаты, и обмен идеями и концептами, etc., etc.

Ниже — некоторые эпизоды с конференции.

Так как текста получилось довольно много, буду писать, редактировать и выкладывать его частями.

Первый день — сессия про технологии и сессия про атласы и биологию развития.

Александр рассказал про то, как можно делать аналог ChIP-seq'а — ChIC-seq (C for cleavage) — в единичных клетках (scChIC-seq, Ku2019) и отслеживать таким образом изменения в модификациях гистонов по мере дифференциации клеток. Идея метода в том, чтобы пришить к антителу фермент MNas'у, который будет щепить ДНК вокруг нуклеосомы с интересующей модификацией на мелкие кусочки. В оригинальной статье Wai Lim Ku et al. показывают, например, что можно детектировать H3K4me3 и H3K27me3 в единичных клетках и использовать это, например, для определения клеточных типов.

Rickard Sandberg рассказал про работу над Smart-seq3. Много интересных деталей, и с данными должно быть интересно поработать. Будут и UMIs (unique molecular identifiers), и разрешение на уровне изоформ. Ждём препринта, чтобы узнать подробности. 😉

В клетках кожи, оказывается, тоже происходит много интересной биологии, связанной, в частности, с волосяными фолликулами и регенерацией. Maria Kasper рассказала в том числе про сайт, где можно посмотреть экспрессию генов в их данных, и про препринт.

Nikolaus Rajewsky поделился прогрессом в области методов для анализа экспрессии и пространственных данных (координаты в ткани). Кажется, надо ждать препринтов или статей. Ещё из нового — drop-SLAM-seq. Оригинальный scSLAM-seq (Erhard2019) был сделан для анализа динамики транскрипции: с помощью 4-тиоуридина U в FASTQ-файле будет заменён на C для новосинтезированных молекул РНК. Теперь этот метод будет и droplet-based.

Иллюстративная картинка из статьи Ku2019, что упомянута в посте выше, о том, как можно отделить клеточные типы на основе пиков ChIC-seq.
Получить пики, специфичные для известных клеточных типов, можно, например, пересечением с пиками ChIP-seq из ENCODE для B-клеток, моноцитов, T-клеток и NK-клеток.

Back to Single Cell Genomics.

Нейробиология и иммунология, которые были во второй день, ярко подчеркнули, насколько single-cell omics позволяют продвигать и развивать эти области.

В 2016 году был опубликован атлас с таксономией одного из участков коры головного мозга мыши (Tasic2016). С тех пор область заметно продвинулась вперёд, и у нас есть Allen Brain Atlas и BRAIN initiative, в частности Cell Census Network (BICCN).

Sten Linnarsson рассказал о первых шагах в направлении потрясающе сложной штуки — атласа человеческого мозга.

Ещё один из проектов в этом направлении — Developing Human Brain как часть Human Development Cell Atlas, над котором работают группы в Швеции и в Соединённом Королевстве.

Sten также уделил внимание софту, без которого сложно представить работу с таким количеством таких сложных — и сложно структурированных — данных. Это и (1) cytograph 2.0 (оркестратор пайплайнов, использующий Luigi, на GitHub пока только первая версия), и (2) loompy 3.0, в котором есть интеграция с kallisto и которым можно получать .loom-файлы — в т.ч. с каунтами сплайсированной и несплайсированной РНК для RNA velocity — прямо из .fastq-файлов одной командой (вот твит), и (3) декларативные файлы, которые cytograph может использовать для разветвления анализа (например, запустить определённый workflow для каждого клеточного типа). Для manifold learning в cytograph, кстати, используется нечто более хитрое, чем PCA, а именно hierarchical Poisson factorisation. Статьи про это были и у Барбары, и у Дэвида. Интересно будет посмотреть более детальную аргументацию использовать HPF и бенчмарки для single-cell данных.

А ещё ко всему этому идея добавлять теги к кластерам / клеточным типам, нежели пытаться назвать каждый кластер уникальным именем, и переиспользовать эти теги, использующие набор маркеров для определения категории, между датасетами и проектами.

Evan Macosko рассказывал про то, насколько крутой Slide-seq. И насколько новая версия протокола круче предыдущей (1200 UMI/cell вместо 300 UMI/cell в первой версии). Ещё он рассказывал про работу с клетками мозжечка и напомнил в докладе удивительную штуку, которую я теперь напоминаю вам: в мозжечке, занимающем 10% объёма мозга, больше нейронов, чем в остальном мозге.

Ido Amit поделился новыми идеями (мне кажется, их вполне себе можно назвать прорывами, если они хорошо покажут себя), например, про то, как можно изучать взаимодействия лигандов с рецепторами. Идея в том, чтобы секвенировать клетки, которые физически взаимодействуют между собой — PIC-seq (physically interacting cell sequencing). Это позволяет смотреть в том числе на взаимодействие T-клеток с миелоидными клетками, например взаимодействующие с дендритными клетками T-регуляторные клетки, и сравнивать, как меняется это взаимодействие в зависимости от патогена. И хотя информации про протокол пока что нет публично, в интернете можно найти абстракт на работу по PIC-seq, поэтому оставлю ссылку на него тут.

Возможно, довольно большая новость в современной биологии / биотехнологии: редактирование ДНК с помощью Cas9 без двухцепочечных разрывов.

Идея красивая: вместо двухцепочечных разрывов, dCas9 делает одноцепочечный разрыв (никаза), а пришитая к ней обратная транскриптаза переносит информацию с pegRNA (prime editing extended guide RNA) в геномный локус.

Это позволяет делать редактирование любых оснований (технология редактирования отдельных оснований работает только для транзиций) и удалять короткие дупликации, что актуально, например, для болезни Тея-Сакса, связанной с дупликацией в четыре нуклеотида в гене HEXA.

Статья называется Search-and-replace genome editing without double-strand breaks or donor DNA, и пока это Accelerated Article Preview в Nature. Выглядит многообещающе.

Вчера про это написали в Science и вот в The Scientist.

Дарья Спасская написала про search-and-replace для Медузы: https://meduza.io/feature/2019/10/23/redaktirovat-genom-cheloveka-bylo-slishkom-opasno-novoe-otkrytie-mozhet-vse-izmenit.

Для контекста там есть и про Хэ Цзянькуя, и про Дениса Ребрикова, и про нетфликсовский Unnatural Selection.

Тут очерденая статья в Science, напоминающая о том, как важно высыпаться.

Вообще Fultz et al. пишут о том, как связаны ток цереброспинальной жидкости и волновая активность мозга в non-REM фазе сна.

А в Медузе ещё одна статья про это — и про другие недавние исследования о том, зачем нужен сон. Спасибо Дарье Спасской.

Удачное время, чтобы посоветовать прочитать Why We Sleep Matthew Walker’а из UC Berkeley, если вы ещё не читали.

NYT | Nature News & Views | Nature Medicine про уникальный случай с двумя мутантными аллелями APOE3, замедляющими нейродегенерацию.

Как-то мало об этом пишут, а между тем коллектив из исследователей МФТИ и российской компании Neurobotics сделали довольно интересную публикацию с попытками перевести сигналы ЭЭГ в картинку, которую видит перед собой человек. Т.е. буквально это end-to-end система, с одной стороны сигналы с мозга полученные через ЭЭГ, с другой стороны сгенерированная картинка, которая удивительно похожа на то, что в этот момент получал в зрительные центры мозг человека.

Конечно, пока в этом много ручной работы, например потому, что ЭЭГ дает очень шумный сигнал (много наводок от движения мышц), и вообще все это далеко от действительно хорошего замещения зрения. Но поищите видео ребят из нейроботикс, я думал что вместо результатов будет прямо каша - а там прямо явно видно, что сейчас человек видит чей-то портрет, вот непонятные геометрические узоры, а вот видео с экстремальным спортом. Прямо верю что будущее уже сильно ближе, чем мне казалось до чтения этой работы https://www.biorxiv.org/content/10.1101/787101v3.full

Ещё больше геномов: в рамках проекта The Darwin Tree of Life планируют отсеквенировать 66 тысяч видов животных с Британских островов.

https://www.ebi.ac.uk/about/news/announcements/tree-of-life-funding

Twitter | Earth Biogenome Project

Nature исполнилось 150 лет.
Очень мило, что на свой юбилей они подготовили интерактивную инфографику про публикации.

Рассказ про граф публикаций | Юбилейная страничка | Статья про статьи в Nature