我们能从单个细胞中学到什么？

基因组生物学的单细胞组学特刊突出了研究单细胞的最新方法，以及从单个细胞水平观察细胞可以获得的许多见解。

不久以前，科学家们有必要研究大量的细胞，以便对构成有机体的许多不同的细胞群有深刻的了解。大量组织群体的RNA测序(RNA-seq)导致了组织内细胞亚群的发现，但在单细胞组学分析出现之前，无法辨别这些群体是如何形成的以及它们之间是如何相互作用的细节。同样，观察基因在整个组织中的表达方式也很容易，但要找出所有细胞是否都在同一水平上表达这些基因却很困难。

今天，科学家们正在观察单个细胞，发现亚群体中的细胞比以前认为的更不同。单细胞RNA测序(scRNA-seq)现在通常被用来显示细胞间的异质性程度，并且有可能识别出之前被大量RNA-seq分析所隐藏的细胞亚群。我们正在学习更多关于单个细胞对系统的贡献，以及所有这些细胞作为个体如何相互作用来调节组织或器官的功能。

一次研究一个细胞

在这个问题中，我们强调了scRNA-seq被用来发现新的细胞群和细胞间差异的方法。亚当·米德和他的同事们通过对单个巨核细胞-红细胞祖细胞的分析表明，这个被定义的细胞群实际上由三个不同的亚群组成，它们沿着不同的谱系分化。

Sarah Teichmann及其同事在免疫细胞分化和激活过程中发现了单个CD4+ T细胞的种群动态，从而识别出与这些细胞增殖动态相关的三种单个细胞状态。布雷特·皮尔森和他的同事对涡虫进行了第一次scRNA-seq分析，发现了以前不为人知的神经干细胞群。

长链非编码rna (Long non-coding RNAs, lncRNAs)是细胞内基因表达的重要调控因子，Daniel Lim及其同事利用单细胞测序的方法对发育中的人脑中的lncRNAs进行了分析。他们发现，不同的lncrna可以富集不同的细胞类型，这对它们的生物学功能具有重要的意义，也可以用来区分不同的神经细胞类型。

单细胞研究对包括癌症在内的许多疾病都有意义。Park Woong-Yang和他的同事应用scRNA-seq的结果设计了一个治疗肾细胞癌的组合策略。Floris Foijer及其同事的另一项研究在t细胞淋巴瘤的单细胞水平上观察非整倍体，以显示单个肿瘤内的拷贝数异质性。该研究使用了一种名为Aneufinder的方法，该方法也发表在本期杂志上，用于更密切地研究阿尔茨海默病。

发表在本期特刊上的OncoNEM和SCITE两种方法深入研究了肿瘤的进展和异质性，并能够通过对癌症的单细胞分析建立改进的系统发育学。

新的问题，新的解决方案

这期特刊还包含了柳井和同事的celc - seq2，与现有的scRNA-seq方法相比，它显示出更高的敏感性和易用性，以及更低的成本。这是第一个单细胞，芯片上的条形码方法，用于检测基因表达变化通过细胞周期。

这里提出的另一种新方法允许同时分析单细胞转录组和甲基化体，因为研究细胞内的表观遗传机制如何调节基因表达变得越来越重要。此外，Prins等人提出的一种新方法SLICER在利用小鼠肺和神经干细胞数据推断细胞轨迹方面比以前的方法更准确。

随着单细胞研究的发展，对大量RNA-seq的分析方法在scRNA-seq数据上并不适用。特刊包含了一些手稿，旨在解决目前面临的一些问题，如标准化，基因的共同表达，基因表达的变化和使用单细胞数据集聚类。

从这些研究和其他研究中，很明显，我们对细胞系统如何在非常基础的水平上工作的知识是有限的。我们只能想象，单细胞组学将继续被用于揭示细胞间的特定相互作用，特别是随着研究方法的发展，可以同时观察同一细胞中的转录组、甲基化体和蛋白质组。