相关实验视频
Updated: Jun 23, 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
Yufan Zhou1, Tian Li1, Lavanya Choppavarapu2,3
1Department of Molecular Medicine, University of Texas Health San Antonio, San Antonio, TX, USA.
Nature communications
|September 27, 2024
概括
我们开发了一种新的计算方法,多原子数据集成 (MUDI),将单细胞中的3D基因组结构和基因表达数据结合起来. 这种方法可以识别乳腺癌中的新型细胞亚群,提供对抗药性有见解.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 癌症研究 癌症研究
背景情况:
- 在单细胞分辨率下整合3D染色质结构与基因表达仍然是一个挑战.
- 了解细胞异质性对于癌症研究和药物开发至关重要.
研究的目的:
- 开发一种用于整合单细胞3D基因组结构 (scHi-C) 和基因表达 (scRNA-seq) 数据的计算方法.
- 根据乳腺癌的3D染色体组织和基因表达来识别和描述新的细胞亚群.
主要方法:
- 开发了多原子数据集成 (MUDI) 算法,将scHi-C和scRNA-seq数据结合起来.
- 应用MUDI分析乳腺癌细胞模型,定义拓保存关联域 (CAD) 和拓集成子群 (TISP).
主要成果:
- 确定了拓保护的关联域 (CAD) 作为关键的单细胞3D染色体结构.
- 发现了20个TISP,描述了3D调节的乳腺癌细胞状态.
- 将两种TISP与高循环乳腺癌持久细胞联系起来,并建议染色质修饰酶作为调节剂.
结论:
- 该MUDI算法允许精确定义基于单细胞分辨率的集成多原子数据的细胞亚群.
- 这种方法为3D染色体结构在癌细胞异质性和药物耐受性中的作用提供了机械的见解.

