相关实验视频
Updated: Aug 7, 2026

11:26
Single-cell RNA-Seq of Defined Subsets of Retinal Ganglion Cells
Published on: May 22, 2017
13.8K
scHi-C和scRNA-seq数据的整合定义了不同的3D调节和生物环境依赖的细胞亚群
bioRxiv : the preprint server for biology
|October 24, 2023
概括
我们开发了一个新的算法来整合单细胞中的3D基因组结构和基因表达. 这种方法可以识别乳腺癌中的新细胞状态,并提供对药物耐药性的见解.
科学领域:
- 基因组学就是基因组学.
- 癌症生物学 癌症生物学
- 计算生物学 计算生物学
背景情况:
- 在单细胞分辨率上整合3D染色体结构和基因表达是一个重大挑战.
- 了解癌症中的细胞异质性需要多模式单细胞分析.
研究的目的:
- 开发一种用于整合单细胞Hi-C和RNA-seq数据的计算方法.
- 根据3D染色体组织和基因表达来识别和描述细胞亚群.
- 研究3D染色质结构在乳腺癌异质性和药物耐受性中的作用.
主要方法:
- 开发了多原子数据集成 (MUDI) 算法.
- 单细胞Hi-C (scHi-C) 和单细胞RNA测序 (scRNA-seq) 数据的整合.
- 在乳腺癌细胞模型中应用MUDI.
主要成果:
- 在MUDI算法成功地集成scHi-C和scRNA-seq数据在单细胞分辨率.
- 确定拓保护的关联域 (CAD) 作为特征单细胞3D染色体结构.
- 发现了20个拓集成子群 (TISP),定义了3D调节的乳腺癌细胞状态.
- TISP与高循环乳腺癌持久细胞的关联以及染色质修饰酶的潜在调节.
结论:
- MUDI算法使3D基因组架构和单细胞基因表达的前所未有的整合成为可能.
- 新型TISP提供了对耐药癌细胞3D调控异质性的机制性见解.
- 这种方法提高了我们对癌细胞可塑性和潜在治疗点的理解.

