脂肪组织由多种亚细胞类群构成,其增殖潜力与分化命运均不同,并执行着不同的功能,因此,解析脂肪组织的亚细胞类型对阐明机体重要性状形成的分子机制具有重要意义。近年来,随着生命科学领域多组学技术的快速发展,针对脂肪生物学领域细胞异质性的问题,开展了大量的单细胞多组学技术应用工作,特别是单细胞基因组学、转录物组学、蛋白质组学和代谢组学等及各组学的联合应用,实现了能够在不同层面,在单细胞分辨率水平揭示脂肪细胞异质性,并发现新脂肪细胞亚型及探索脂肪细胞分化轨迹等生物学过程,在生命与医药领域取得了巨大突破性进展,成为许多生物学过程解析与疾病治疗的切入口,并加速了基因编辑与干细胞育种等关键新兴技术的发展。本文总结了单细胞多组学技术种类及其特点,综述了该技术在肌内、肌间、皮下及内脏脂肪沉积中的应用研究进展,并探讨了其前景与挑战,以期充分认识该技术在脂肪沉积研究中的重要作用,为性状形成机制解析与人类肥胖等代谢性疾病治疗提供理论依据。

单细胞与空间组学技术正在引领生命科学领域一场深刻的范式变革,推动研究视角实现双重跃升:从“群体细胞平均”走向“单细胞精度”,从“细胞组成”回归“组织空间结构”。这一转变极大深化了我们对生命复杂系统及其运行机制的理解。在技术层面,单细胞研究已由早期的单一转录物组检测,发展为可同步获取多组学信息的整合分析体系;而空间组学的兴起则基于转录物特征成功再现了细胞在原生组织中的空间位置信息或微生态,进一步拓展至空间表观遗传乃至空间多组学维度。在计算方法上,人工智能与机器学习已成为核心引擎,贯穿数据整合、空间区域解析、细胞通讯及其他功能推断乃至基础大模型构建等多个环节,不仅有效应对海量数据的处理及其与历史数据的整合难题,更成为发现生物学新规律的重要工具。这些技术进步催生了重要的理论框架创新。在临床转化方面,该技术体系尤其在精准肿瘤学中展现出变革性潜力——通过揭示肿瘤异质性和免疫微环境的空间构象,并借助单细胞数据开展反卷积建模,为疾病诊断、预后评估和个性化治疗开辟了新路径。尽管当前在技术通量、算法效率和临床转化等方面仍存在挑战,但单细胞与空间组学和人工智能等前沿领域的深度融合,必将持续推动生命科学基础研究迈向机制化和预测性的新阶段,最终为精准医学的实践注入强劲动力。

肝细胞癌(hepatocellular carcinoma, HCC)是原发性癌症的主要形式,与CD8^＋ T细胞免疫浸润及免疫抑制密切相关。本研究旨在构建HCC患者CD8^＋T细胞相关预后风险模型,并将其用于治疗指导。通过整合整体和单细胞RNA测序(scRNA-seq)数据,我们鉴定出稳定的CD8^＋ T细胞特征基因。这些特征基因构建出三基因风险评分模型(KLRB1、RGS2和TNFRSF1B),并且该模型的预后能力在外部独立队列中得到验证。将患者分为高风险组和低风险组,发现两组免疫微环境存在显著差异:高风险患者M2巨噬细胞丰度增加(P<0.0001),而低风险患者表现出升高的CD8^＋ T细胞浸润(P<0.001)。高风险组对免疫治疗的预测反应较差(P<0.01)。药物敏感性分析表明,高风险患者可能受益于PI3Kβ抑制剂AZD6482和TGFβR抑制剂SB505124等药物。相反,低风险患者的治疗选择包括IGF-1R抑制剂BMS-754807及新的基于嘧啶的抗肿瘤代谢药物吉西他滨。免疫组织化学证实了模型基因在HCC肿瘤和邻近组织中的差异表达。总之,我们建立并验证了CD8^＋ T细胞相关的风险模型,有效预测HCC患者预后并为个性化治疗策略提供信息。

双硫死亡状态与肿瘤患者炎症反应、免疫抑制和药物敏感性相关。然而,其在结直肠癌诊疗中的价值尚不清楚。基于此,研究使用单细胞测序数据和细胞特异性标记基因分析双硫死亡与不同结直肠癌细胞类型的相关性,发现结直肠癌高双硫死亡区域集中于上皮类细胞中。结合程序性细胞死亡蛋白1抑制剂治疗结直肠癌患者的肿瘤组织差异基因表达数据,建立双硫死亡相关预后模型分析发现,高双硫死亡水平结直肠癌患者风险较低,免疫治疗敏感性高。结合空间转录物组学分析发现,双硫死亡相关基因泛醇细胞色素C还原酶核心蛋白Ⅰ(ubiquinol-cytochrome c reductase core protein 1, UQCRC1)是潜在的结直肠癌诊疗靶点,其表达在上皮类结直肠癌细胞中较高,与结直肠癌免疫浸润区域存在共定位。进一步的生信分析和实验检测显示,UQCRC1在结直肠癌组织中低表达,过表达UQCRC1可抑制结直肠癌细胞的增殖和迁移,是潜在的结直肠癌诊疗靶点。

骨骼肌作为机体重要组织(约占体重40%),由肌纤维、肌肉干细胞和内皮细胞等多种细胞类型构成,通过时序与空间特异性调控参与运动、能量代谢及内环境稳态等生理过程。其发育分为胚胎期和出生后两个关键阶段,异常发育可导致肌营养不良等疾病,并直接影响畜禽肉类的产量与品质。近年来,单细胞转录物组学(scRNA-seq)与空间组学的结合(单细胞空间组学技术),为解析骨骼肌发育的时空动态调控网络及细胞间相互作用提供了高分辨率研究工具。本文综述了骨骼肌发育的分子机制及其在畜牧育种中的应用价值,系统梳理了单细胞组学、空间组学及单细胞空间组学技术在骨骼肌发育中的研究进展、分析流程、数据资源及未来方向。其中,单细胞组学可通过拟时序分析和RNA 速度分析等手段,揭示牛、猪、藏鸡等不同畜禽骨骼肌细胞异质性和肌纤维分化轨迹,鉴定MYF5、MYOD1等关键转录因子及FGF7-FGFR2等细胞通讯通路,同时解析品种间成肌细胞分化时机、细胞组成比例的分子差异;空间组学依托 Visium、Seq-Scope 等技术,实现小鼠、大西洋鲑鱼及肉鸡病理模型中基因表达的空间定位,明确神经肌肉接头区域特异性基因、炎症 - 纤维化级联反应的空间分布规律,弥补单细胞技术空间背景丢失的缺陷;单细胞空间组学技术虽直接应用案例有限,但已通过MERFISH技术解析面肩肱型肌营养不良症成肌细胞命运异常,且在技术选择上需结合研究目标、分子模态及分辨率需求,数据分析需通过 DCA 降噪、RCTD 细胞类型映射等方法应对数据稀疏性等挑战。此外,本文还汇总了 HCA、PanglaoDB 等 16 个肌肉发育相关数据库,探讨了三类技术在成肌细胞命运定向调控、生长周期精准干预、微环境相互作用改良及多组学遗传育种模型开发等方面的潜在应用,为骨骼肌发育基础研究与畜牧产业实践提供更全面、细致的理论参考与技术支撑。

间充质干细胞(mesenchymal stem cells, MSCs)因其多向分化潜能和免疫调节特性,在再生医学中具有广阔应用前景,但其功能异质性和微环境依赖性仍是临床应用的重大挑战。近年来,单细胞转录物组测序(single-cell transcriptome sequencing,scRNA-seq)与空间转录物组测序(spatial transcriptome sequencing,ST-seq)技术的结合,为系统解析MSCs的异质性、功能多样性及微环境相互作用提供了革命性工具。应用scRNA-seq技术,研究成功解析了MSCs的功能异质性,精准鉴定出促血管生成、免疫调节和基质重塑等关键功能亚群;而ST-seq技术则系统揭示了MSCs在组织中的特异性空间分布及其与微环境的动态相互作用网络。这2种技术整合应用不仅构建了MSCs“身份-定位-功能”的三维图谱,还揭示了特定亚群在组织修复中的时空动态调控机制。未来结合Xenium等人超高分辨率ST-seq、多组学联合及人工智能分析,将推动MSCs研究从描述性分析向精准干预转变,为功能亚群筛选和微环境编程治疗提供新策略。本文系统总结了scRNA-seq与ST-seq技术在MSCs研究中的最新进展,深入探讨了其在解析细胞异质性、空间微环境及临床转化中的应用,为再生医学的精准治疗提供了理论依据和技术方向。

缺血性脑卒中(ischemic stroke, IS)研究因传统技术难以解析细胞异质性及时空动态而面临瓶颈。单细胞与空间组学技术的发展为突破这一局限提供了革命性工具。单细胞组学技术通过对数千个细胞进行高通量测序,揭示了IS后神经元、胶质细胞、免疫细胞等的高度异质性和动态状态转变,例如小胶质细胞存在促炎与抗炎功能亚群,星形胶质细胞呈现不同的活化状态谱系。伪时间分析进一步重构了细胞在损伤修复过程中的命运轨迹。空间组学技术则通过原位捕获重构基因表达的空间图谱,阐明缺血核心区、半暗带和健康脑区之间的分子梯度差异,并能解析关键的细胞间相互作用网络。整合单细胞测序的深度分型与空间组学的原位定位信息是当前核心策略。这种多模态分析能将细胞亚群精准锚定至其空间微环境,揭示其分布规律与功能,并构建更精确的细胞通讯图谱,从而极大推动了对IS机制的精细解析。该策略已加速了潜在生物标志物和时空特异性治疗靶点的发现。尽管面临样本制备、数据整合与技术噪音等挑战,未来通过多学科交叉、多组学融合与人工智能的深度挖掘,单细胞与空间组学技术有望全面革新对IS的认知,最终促进其早期诊断、精准分型及个体化治疗策略的发展。

单细胞染色质可及性测序(Single-cell assay for transposase-accessible chromatin sequencing,scATAC-seq)是解析细胞异质性与基因调控网络的重要技术,在表观遗传研究中应用广泛。但其数据分析流程复杂和编程门槛高,阻碍了在非程序员科研群体中的推广应用。为此,本文基于R语言的Shiny框架,整合Signac与Seurat等主流分析工具,开发了模块化、可视化的scATAC-seq数据分析平台——Signac.UIO。平台包含数据质控、细胞过滤、降维聚类、差异分析、细胞注释、通路富集、模体识别与转录因子足迹等10个功能模块,覆盖分析流程各关键环节。用户可通过图形界面完成操作,获得交互式可视化结果。平台已在PBMC公开数据集上验证其稳定性与实用性,现部署于服务器(https://xulabgdpu.org.cn/Signac.UIO),为单细胞表观组学研究提供了高效和易用的技术支撑。

本文旨在综述多组学技术在克罗诺杆菌耐药性研究中的应用进展,以深入了解其耐药机制。为开发新型治疗方法和预防策略提供科学依据;通过整合基因组学、转录物组学、蛋白质组学和代谢组学技术,分析克罗诺杆菌的基因变异、表达模式、蛋白质功能变化及代谢途径调整;具体包括全基因组测序揭示耐药性相关基因变异,RNA-seq技术监测基因表达变化模式,蛋白质组学研究蛋白质表达和功能,以及代谢组学分析代谢物动态变化;研究发现,生物膜形成、外膜蛋白质等因素显著影响克罗诺杆菌的耐药性。此外,还发现了新的潜在影响因子,例如多药外排泵基因的表达变化等,这些因子可能在增强抗生素外排、减少胞内抗生素浓度方面发挥关键作用。多组学技术为克罗诺杆菌耐药性研究提供了全面而深入的视角,揭示了多种影响耐药性的因素和潜在机制。尽管已发现一些新的影响因子,但其具体分子机制仍需进一步研究。多组学技术的应用前景广阔,有望为开发新型治疗方法和预防策略提供重要支持。