浙江大学：《单细胞组学》课程教学课件（讲稿）绪论 Single-Cell Omics

单细胞组学Single-Cell Omics

单细胞组学 Single-Cell Omics

第一讲：绪论Lecture#l:Historical Introduction and Overview单细胞组学概述单细胞组学概念与特征单细胞组学发展历史单细胞组学数据资源二、细胞组学技术优势及其应用技术优势及其覆盖领域医学领域应用动植物微生物领域应用三、单细胞组学展望发展趋势主要挑战

第一讲：绪论 Lecture #1: Historical Introduction and Overview 一、单细胞组学概述 单细胞组学概念与特征 单细胞组学发展历史 单细胞组学数据资源 二、细胞组学技术优势及其应用 技术优势及其覆盖领域 医学领域应用 动植物微生物领域应用 三、单细胞组学展望 发展趋势 主要挑战

单细胞组学概述细胞及其生物学基础2、单细胞组学概念3、单细胞数据科学4、单细胞组学发展历史5、单细胞组学数据资源和分析工具

一、单细胞组学概述 1、细胞及其生物学基础 2、单细胞组学概念 3、单细胞数据科学 4、单细胞组学发展历史 5、单细胞组学数据资源和分析工具

SCIENCE十大科学发现之首2018BREAKTHROUGHoftheYEARDevelopmentcellbycellWith a trio of techniques, scientists are tracking embryoningdetaildevelopnentinstur

SCIENCE十大科学发现之首

单细胞RNA分析发展趋势（发表文章情况）5,000,000Technique米豪Chromium Smart-seq2&SMARTer_Others**1,000,000Organism口A110000Human Mouse&rat Plant Others*100.0003664350.000120001000010,00066585230en80004727[372713763458031211,00014373742132158071100100661022014201820202016YearCellnumbersusedin1,244single-celltranscriptomestudies(Cellnumbersof30studiesonplantsareboxed)Chen etal.,Current Issues inMolecular Biology,2021

Our studies on scRNA profiling in plants Cell numbers used in 1,244 single-cell transcriptome studies (Cell numbers of 30 studies on plants are boxed ) Chen et al,. Current Issues in Molecular Biology, 2021 单细胞RNA分析发展趋势（发表文章情况）

12010xGenomicsTissueOthertechniques:93%Drop-seq,CEL-seq,CEL-seq2,Smart-seq,100Smart-seq2, MARS-seq2, BD Rhapsody,21%40%DNBelab C4,mcSCRB-seq, Stereo-seq.e32%269807%74%LeafRootShootOthers6027%73%Otherspecies4029%71%44%Arabidopsis56%thaliana200201520192020202120222023Dateofpublication(UntilApril2023）植物学单细胞转录组研究（104篇(Zheng et al., 2023)

（Zheng et al., 2023 ） 植物学单细胞转录组研究（104篇）

1、细胞及其生物学基础人类由约3×1013个细胞构成，这些细胞组成不同的组织和器官每个细胞由细胞核和细胞质构成，包含几乎相同的DNA，但表达的RNA和蛋白质等分子千差万别。同一细胞类型细胞存在明显的异质性世界上没有任何两个相同的细胞，每个单细胞都有自已的遗传“指纹

1、细胞及其生物学基础 • 人类由约3×1013个细胞构成，这些细胞组成不 同的组织和器官 • 每个细胞由细胞核和细胞质构成，包含几乎相 同的DNA，但表达的RNA和蛋白质等分子千差万 别。同一细胞类型细胞存在明显的异质性。 世界上没有任何两个相同的细胞，每个单细胞都有自己的遗传“指纹

2、单细胞组学概念单细胞组：单细胞基因组、单细胞转录组、单细胞蛋白质组等单细胞组学利用单细胞分离与分选技术，单细胞组测序技术及其生物信息学分析算法，开展高通量，多维度和大群体细胞学研究。它是一门对单个细胞中各类生物学分子（DNA/RNA/蛋白质等）进行分析与量化，进而在结构、功能和发育发生提供重要信息和推断的学科。单细胞组学可以纳入细胞空间距离和方位，形成了所谓空间转录组等单细胞空间组学技术单细胞组学属于新兴交叉学科，总体上属于细胞生物学学科范畴，与基因组学、生物信息学学科密切

2、单细胞组学概念 • 单细胞组：单细胞基因组、单细胞转录组、单细胞蛋白 质组等 • 单细胞组学利用单细胞分离与分选技术、单细胞组测 序技术及其生物信息学分析算法，开展高通量、多维 度和大群体细胞学研究。它是一门对单个细胞中各类 生物学分子（DNA/RNA/蛋白质等）进行分析与量化， 进而在结构、功能和发育发生提供重要信息和推断的 学科。 • 单细胞组学可以纳入细胞空间距离和方位，形成了所 谓空间转录组等单细胞空间组学技术 • 单细胞组学属于新兴交叉学科，总体上属于细胞生物学 学科范畴，与基因组学、生物信息学学科密切

组织标记每个细胞RNA(barcode/UMI/pre-index高通量测序混合RNA时空转录组单细胞转录组传统转录组COCC00OOOOBS相对定量绝对定量绝对定量（肖宇彬等，2023）

（肖宇彬等，2023） 混合RNA 标记每个细胞RNA （barcode/UMI/pre-index）

单细胞测序技术的普遍原理单细胞测序的技术原理因平台不同而干差万别，但其中最为关键的两个步骤即细胞捕获与分子定量细胞捕获（capture）的技术不仅决定了细胞的筛选方式以及实验的通量，同时也间接反应了测序外的其他信息；目前三种最常用的方法是基于微孔microwell-，微流microfluidic-以及微滴droplet-的捕获平台；针对RNA分子定量（guantification），目前主要基于全长（full-length）以及标签（tag-based）两种不同的方法进行：前者试图获取每个转录本覆盖度一致且独特的全长片段，而后者则是通过标签探针，捕获RNA的5或3'端序列Drop-segsinglecellanalysisCells.Distinctlybarcodedbeads米米*米1000sofDNA-barcodedsingle-celltranscriptomesCeto（详见技术原理将在第2-3次课讲解

（详见技术原理将在第2-3次课讲解）