Egysejtek transzkriptomikája

Az egysejtes transzkriptomika a biológiai kutatások olyan  területe , amelyben az egyes sejtekben a génexpresszió kvantitatív elemzésének módszerei szolgálnak fő eszközként . Az egyes sejtek transzkriptumának vizsgálata lehetővé teszi a mintából izolált teljes RNS elemzéséből nyert "átlagolt" adatok problémájának megoldását [1] . Az egysejtes RNS szekvenálás lehetővé tette a sejtdiverzitás elemzését a korábban homogénnek tekintett sejtpopulációkban, például új adatok születtek az immunológiai , embriológiai és onkológiai kutatások területén [2] [3] [4] . A technológiák fejlődése 2009 óta, amikor először végezték el az egyes sejtek transzkriptom szekvenálását , napjainkig lehetővé tette a kísérlet teljesítményének növelését egységekről több százezer sejtre, ami jelentősen növelte a kapott adatok pontosságát. [5] .

Egysejtes transzkriptom elemzési technológia kvantitatív PCR segítségével

A kvantitatív PCR -t ritkábban alkalmazzák az egyes sejtek transzkriptumának elemzésére, mint a szekvenálást. A kísérlethez egyedi sejtek izolálása, lízisük , RNS reverz transzkripciója szükséges . Ez a módszer meglehetősen érzékeny, használható mikrofluidikus technológiákon, azonban nem teszi lehetővé a teljes transzkriptom tanulmányozását, hanem csak azt, hogy a próbák vagy primerek specifikus transzkriptumainak számát detektálják . Ugyanakkor a vizsgált gének expressziós szintjét nem abszolút, hanem a referencia génhez viszonyítva határozzák meg [10] [11] .

A kvantitatív PCR az RNS szekvenálási adatok validálására is használható [12] [13] .

Egysejtű RNS szekvenálási technológia

Az egyes sejtek RNS-szekvenálásának általános algoritmusa 8 egymást követő lépésből áll [9] :

  1. Egysejtűek izolálása;
  2. Egyedi sejtek lízise;
  3. A kérdéses RNS-frakció izolálása speciális primerek alkalmazásával;
  4. cDNS szintézise reverz transzkripcióval ;
  5. cDNS -amplifikáció;
  6. cDNS könyvtár előkészítése ;
  7. Szekvencia ;
  8. A kapott leolvasások bioinformatikai feldolgozása és adatelemzés .

Az egysejtű RNS-szekvenáláshoz szükséges könyvtárak előállítására szolgáló különféle módszerek specifitásukban, pontosságukban, költségükben és egyéb paramétereikben különböznek. Például a Smart-seq2 nagyon érzékeny, míg a Drop-seq és más mikrorészecskéket használó mikrofluidikai technológiák nagyon nagy áteresztőképességűek [14] [9] .

Egyedi cellák elkülönítése

A sejtek szétválasztása előtt meg kell szakítani a köztük lévő kapcsolatokat , és meg kell szabadulni az intercelluláris anyagtól. Ezt egy szövetminta fermentálásával , valamint specifikus manipulációkkal, például lézeres rögzítés mikrodisszekcióval [6] lehet elérni , amely lehetővé teszi a sejtek izolálását szilárd szövetmintából lézer segítségével . A sejtszuszpenzió beérkezése után a sejteket különböző módszerekkel elválasztják [7] .

Sejtlízis és RNS izolálás

A sejteket általában kémiailag lizálják úgy, hogy lízispufferbe helyezik őket . A lizáló pufferek eltérőek lehetnek a sejttartalom megőrzésének minőségében és a lizátummal végzett további eljárások hatékonyságában [16] . Az egyes eukarióta és prokarióta sejtek lízisének optimális protokolljai is eltérőek, mivel a prokarióták sejtfalának masszív és gyakran védőmembránjait el kell pusztítani , miközben a kiürült anyagot nem károsítják [17] .

Az RNS izolálása a minta-előkészítés során nem önálló technikai lépésként történik, hanem speciális primerek segítségével valósul meg a reverz transzkripció elindítására [1] .

cDNS beszerzése

Az RNS izolálása után reverz transzkripció segítségével komplementer DNS-t (cDNS) kell előállítani [6] . Az első cDNS-szálat az M-MuLV rágcsáló leukémia vírus reverz transzkriptázának speciálisan tervezett változatával szintetizálják [18] . A szintézis elindításához olyan primereket használnak, amelyek szekvenciájában vonalkódok , néha egyedi molekuláris azonosítók és olyan szekvenciák vannak , amelyek lehetővé teszik számunkra, hogy kiválasszuk a számunkra érdekes RNS-frakciót. Általában meg kell szabadulnia az rRNS -től és a tRNS -től, amelyek a sejt izolált teljes RNS-ének 95%-át teszik ki. Ez poli(d T ) régióval rendelkező primerek alkalmazásával érhető el , ami lehetővé teszi a poliadenilezett frakció izolálását. Ebben az esetben azonban a nem poliadenilált RNS (hosszú, nem kódoló RNS-ek és mások) elveszik, ezért számos protokollban, például a SUPeR-seq-ben, több (5–6) véletlenszerű nukleotidot adnak a primerhez. szekvencia a poli(dT) régió után .

A második cDNS-szál szintézisét különféle módokon hajtják végre. A mátrix megváltoztatásának módszerét ( eng.  template switching ) gyakran használják például az STRT, Smart-seq és Smart-seq2 technológiákban. Az M-MuLV revertáz azon tulajdonságán alapul, hogy nem templát citozin maradékokat ad a szintetizált szál 3'-végéhez . Ennek megfelelően ez lehetővé teszi a második szál szintetizálását poli(dG) primerekkel [18] .

Vonalkódok és egyedi molekuláris azonosítók

A nagy áteresztőképességű szekvenálási technológia magában foglalja a különböző sejtekből nyert könyvtárak együttes szekvenálását . Ezért egyedi cellás vonalkódokat [7] [9] használnak az egyes cellákból származó átiratok megkülönböztetésére . A differenciális kifejezéssel kapcsolatos kísérletekben a vonalkódok mellett úgynevezett egyedi molekuláris azonosítókat ( UMIs ) használnak . Az UMI egy 4-8 véletlenszerű nukleotidból álló szekvencia (például 5 nukleotid 4 5 =1024 egyedi szekvenciát ad). Az UMI és a celluláris vonalkód kombinációja statisztikailag egyedi minden egyes átirat esetében, ami lehetővé teszi a génexpressziós szintek összehasonlítását az adott típusú átiratokhoz „kapcsolt” UMI számával. A vonalkódok és az egyedi molekuláris azonosítók a reverz transzkripció szakaszában kerülnek a mintába, mivel ezek a cDNS első szálának szintéziséhez szükséges primer részét képezik [7] .  

cDNS amplifikáció

Számos technológia, mint például a MARS-seq, CEL-seq és CEL-seq2, in vitro transzkripciót ( IVT ) használ a cDNS-amplifikációhoz [6] .  Ez a módszer a cDNS T7 fág polimeráz általi transzkripcióján és a reverz transzkripciós lépés megismétlésén alapul. Az in vitro transzkripcióhoz a T7 promotert a poli(dT) primerbe visszük be . A cDNS mennyiségének növekedése ebben az esetben lineárisan megy végbe [6] .

A cDNS amplifikációja polimeráz láncreakcióval (PCR) is végrehajtható, például Drop-seq, SCRB-seq, SMART-seq és SMART-seq2 segítségével. Ez a módszer azonban gyakran torzul az átiratok számával kapcsolatban. Ezek a torzulások leküzdhetők egyedi molekuláris azonosítók használatával [7] .

Speciális módszereket is alkalmaznak a prokarióta sejtekkel való munkavégzéshez, ilyen például a rolling ring amplifikáció [17] .

Genomikus könyvtár előkészítése és szekvenálása

A könyvtár-előkészítési módszertől függően teljes hosszúságú transzkriptumokat szekvenálnak, vagy 3'- vagy 5'-fragmensben dúsított frakciót [6] [7] . A teljes hosszúságú átiratokkal (SMART-seq, SMART-seq2 technológiák) való dúsítás szükséges az alternatív splicing és az egynukleotidos polimorfizmusok tanulmányozásához , míg a 3'-fragmensek szekvenálásához (CEL-seq, CEL-seq2, MARS-seq technológiák) és 5 A '-fragmensek (STRT technológia) alkalmasak a differenciális expresszió kimutatására. Ezek a módszerek jellemzően egyedi molekuláris azonosítókat használnak. Az előkészített könyvtárakat a következő generációs szekvenálás (NGS) dolgozza fel , gyakran az Illumina platform szekvenálását alkalmazva . A kapott "nyers" leolvasásokat bioinformatikai módszerekkel dolgozzák fel [7] .

Adatelemzés

Az egysejtű RNS szekvenálás eredményeinek bioinformatikai elemzése során az elsődleges feladat a génexpressziós mátrix előállítása a szekvenátor leolvasásából. Egy ilyen mátrix megszerzése után az elemzés több iránya történik [7] :

  1. Elemzés sejtszinten: klaszterezés, sejtpályák osztályozása és meghatározása;
  2. Génszintű elemzés: differenciálisan kifejeződő gének azonosítása, szabályozó hálózatok.

Génexpressziós mátrix beszerzése

A szekvenálás során kapott leolvasások feldolgozására szolgáló szabványos protokoll több lépésből áll (zárójelben az egyes lépéseknél használt programok) [19] :

  1. Olvasási minőség-ellenőrzés ( FastQC , Kraken );
  2. Olvasások leképezése a referenciagenomhoz ( TopHat2 [20] , HISAT [21] és mások);
  3. A vizsgált gének transzkriptumainak számának kiszámítása az egyes sejtek esetében (az FPKM/TPM lefedettségi jellemzőinek vagy az egyedi molekuláris azonosítók számának felhasználásával);
  4. Ha szükséges (például ha két adathalmazt különböző helyeken és különböző tudósok szereztek) - szisztematikus hiba javítása ( kBET [22] );
  5. Ha egyedi molekuláris azonosítók nélküli protokollt használtunk, akkor mátrix normalizálásra van szükség ( SCnorm [23] , SAMstrt [24] );
  6. Hiányzó adatok helyreállítása ( imputation ) ( MAGIC [25] , Autoimput [26] ).
Olvassa el a minőség-ellenőrzést

A térképezés biztosítja az egyes sejtek transzkriptumának leolvasásának minőségét, az alacsony leolvasási minőségű sejteket kizárják a további elemzésből [27] . Különféle mérőszámok használhatók a minőségellenőrzésre:

  • az olvasások száma cellánként;
  • a talált gének száma;
  • az összes leolvasás számának és a mitokondriális RNS leolvasások számának aránya (a magas arány citoplazmatikus RNS kiszivárgását vagy apoptózist jelenthet a sejtben);
  • az összes olyan RNS leolvasás számának kalibrálása, amelyek száma és sorrendje ismert RNS spike-in ;
  • UMI (Unique Molecular Identifiers) használata.
Adatfeldolgozás UMI és mobil vonalkódok használatával

A következő lépéseket egymás után hajtjuk végre [28] :

  1. Reverz transzkripciót hajtanak végre, az UMI és a sejt vonalkódjai a primeren vannak, és a cDNS részét képezik;
  2. A beolvasásokat az UMI és a cella vonalkódok szerint rendezi, a PCR duplikátumokat eltávolítja: azonos cella vonalkóddal és UMI-val olvas;
  3. Minden egyes sejthez egy mátrixot hoznak létre, amely jellemzi az egyes talált gének leolvasásainak számát (minden fennmaradó leolvasásban a „celluláris vonalkód + UMI”) egyedi kombinációja van.

Elemzés sejtszinten

Klaszterezés

A sejtalpopulációk azonosítása érdekében a sejteket általában génexpressziós profiljaik hasonlósága szerint csoportosítják [29] . Ez a klaszterezés sokféleképpen elvégezhető: k-közép [30] , legközelebbi szomszéd gráf [31] , hierarchikus klaszterezés [32] és néhány más. A rengeteg megközelítés ellenére a klaszterezés nem mindig valósul meg: az adatstruktúra technikai zaj vagy szisztematikus hibák mögé rejtőzhet [33] [34] ; az elemzést is hátráltatja a dimenzionalitás átka . Ezen hatások kiegyenlítésére a transzkriptom tér dimenziója, amelynek elemei a sejtek, lecsökken [29] .

Méretcsökkentés

Formális matematikai osztályozási műveletek elvégzésekor, összefüggések keresésekor feltételezzük, hogy minden sejt egy vektor az n-dimenziós térben , ahol n az elemzett gének számának felel meg, a sejtkoordináták pedig a benne lévő megfelelő gének expressziós szintjei. [35] . Mint már említettük, a dimenziócsökkentés segíthet az adatstruktúra helyreállításában és a zaj csökkentésében, ezért van értelme az expressziós vektorok dimenziójának csökkentése ( a főkomponens módszer [36] , t -SNE [37] , többdimenziós skálázás [38] használatával). , UMAP [39] és mások).

Gének differenciális expressziója

Fontos feladat a differenciálisan kifejeződő gének felkutatása, vagyis azon gének, amelyek statisztikailag szignifikánsan expresszálódnak különböző erősségű sejtcsoportokban. Az ilyen gének gyakran jellemzik a vizsgált sejtek tulajdonságait, és azok markerei [19] . Először is a szövetek és szervek transzkriptomikájával való együttműködésre tervezett eszközöket használtak a differenciális expresszió azonosítására ; Ma már számos módszer létezik ( MAST [40] , SCDE [41] ), amelyek az egyes sejtek szekvenálási adataiban differenciális expressziót keresnek.

Génszintű elemzés

Génszabályozó hálózatok

A génszabályozó hálózat  olyan molekuláris szabályozók összessége, amelyek kölcsönhatásba lépnek egymással és a sejtben lévő más anyagokkal, szabályozva az expressziós szinteket [42] . Ezek a szabályozók központi szerepet játszanak az élő szervezetek testrészeinek és szerveinek morfogenezisében, és az evolúciós fejlődésbiológia egyik központi tárgyát képezik . A génszabályozó hálózat egy gráfként ábrázolható , amelyben a csúcsok  a gének, az élek  pedig a koregulációjuk. Vannak módszerek, amelyek a génexpressziók közötti összefüggések keresésével határozzák meg a szabályozó hálózatokat , de ez a megközelítés nem teszi lehetővé a nemlineáris kölcsönhatások kimutatását, így ma már léteznek gépi tanuláson [43] , valószínűségi modelleken [44] és információelméleten alapuló megközelítések [ 43]. 45] .

Sejtdifferenciálódási pályák keresése

A sejtek folyamatosan dinamikus folyamatokban vannak, és reagálnak a különféle környezeti hatásokra. Ezeket a folyamatokat a sejt transzkripciós profiljának megváltozása kíséri. Az egyes sejtek RNS-szekvenálási kísérletének maga a beállítottsága lehetővé teszi a sejtek befogását a differenciálódás különböző szakaszaiban . Ha kellően sok köztes szakaszt szekvenálunk, nyomon lehet követni a sejtdifferenciálódás útját a transzkriptom térben az „álidő” során [46] . Ez az eszköztár különösen az ontogenezis mechanizmusainak és általában a különbségek kialakulásának tanulmányozásában segít. Ma már sokféle megközelítés létezik az ilyen pályák rekonstrukciójára [47] .

Alkalmazás

Őssejt-differenciálódási kutatás

Az egyes sejtek közötti különbségek alapvető jellemzői az őssejtpopulációknak , de ezeket a különbségeket a hagyományos sejtegyüttes elemzés elhomályosítja. Az egysejtű RNS szekvenálás lehetővé teszi ezen különbségek kimutatását és a különböző őssejt fenotípusok kimutatását még „homogén” populáción belül is [5] .

Például szignifikáns különbségeket találtak a hosszú és rövid életű egér vérképző őssejtek között, és megállapították, hogy a sejtciklusért felelős gének járulnak hozzá főként ezekhez a különbségekhez [48] [49] . Az egysejtű RNS-szekvenálást egértüdők tanulmányozására [ 50] alkalmazták , és lehetővé tette a különböző sejtaltípusokra specifikus, korábban ismeretlen markerek megtalálását . Különféle idegi őssejteket és fejlődési pályájukat is tanulmányozták [51] . Egy másik tanulmány az idegi őssejtek állapotát hasonlította össze egészséges egerekben és agyi ischaemiás egerekben [52] .

Embriogenezis vizsgálatok

Az embrionális fejlődés folyamata az egyes sejtek szintjéről a szervezet szintjére való átmenetként fogható fel. Az embrionális fejlődés korai szakaszainak tanulmányozásához olyan módszerekre van szükség, amelyek kis számú rendelkezésre álló sejttel működnek. Egysejtes RNS szekvenálás segítségével általános elemzés készült az emlősök korai fejlődéséről [53] [54] [55] . A génexpressziós profilokat humán és egérsejtekre a beültetés előtti fejlődés során [56] [57] , valamint a primer humán csírasejtekre a migrációs szakaszból a gonádstádiumba való átmenet során kaptuk [58] . A génexpresszió változásait az anyai-zigóta átmenet során [59] [60] (az anyai mRNS -ek embrió általi helyettesítésének folyamatát a sajátjával) egérembrionális sejtekben tanulmányozták. Kimutatták, hogy az egérembrióban a zigóta genom aktiválása a 4 sejtes stádiumban, míg az emberben a 4 és 8 sejtes szakasz között történik [57] . A Caenorhabditis elegans fonálféreg esetében embrionális fejlődésének molekuláris atlaszát állítottuk össze sejtfelbontással [61] .

Szövetelemzés

Az összes szöveti sejt transzkriptumának vizsgálata lehetővé teszi a sejtvonalak hierarchiájának nagy pontosságú megismerését. Az egyes lépsejtek transzkriptomikájának párhuzamos vizsgálatai a sejtek előzetes szelekciója nélkül, előre kiválasztott sejtmarkerek alapján, hierarchikus klaszterezéssel kombinálva lehetővé tették a lépsejtvonalak kapcsolatainak általános szerkezetének rekonstruálását [62] .

Rákkutatás

A rosszindulatú daganat szövete általában több sejtpopulációból áll, amelyek funkcionálisan és fenotípusosan különböznek egymástól. A modern felfogások szerint a tumorfejlődés folyamata nemcsak az eredeti szövet mutáns sejtjeinek klonális evolúcióján alapulhat, hanem az úgynevezett rákos őssejtek (CSC-k) hierarchikus differenciálódásán is. A CSC-koncepció szerint bármely rosszindulatú daganat a CSC-populáció egyetlen prekurzor sejtjéből fejlődik ki, és a daganat hierarchikusan elrendeződött, vagyis a különböző típusú rákos sejtek eltérő osztódási képességgel rendelkeznek [63] . Az egysejtű RNS szekvenálás lehetővé teszi az egyes CSC-k azonosítását, valamint az ugyanabban a daganatban található különböző sejtpopulációk elemzését [63] .

Így a közelmúltban öt glioblasztómában szenvedő beteg több száz egyedi tumorsejtjének transzkriptomprofilját elemezték, amely lehetővé tette az onkogén jelátvitelhez, proliferációhoz , komplement- és immunválaszhoz , valamint hipoxiához kapcsolódó gének eltérő expressziójának feltárását . Találtak olyan sejteket is, amelyek fenotípusa mezenchimális és epiteliális között van, ami nincs összhangban a klasszikus epiteliális-mezenchimális átmeneti modellel , két különálló sejtállapottal. Ezenkívül egy sor „stemness” gént kaptunk, és a sejteket e gének expressziós szintjének folyamatos, nem pedig diszkrét skálája mentén oszlattuk el, ami tükrözi a daganatban lévő őssejtrendszer összetett természetét [64] .

Jelenleg számos áttétmodell létezik , mint például a késői terjedés, a korai oltás és az önmaguk, de még mindig nehéz megmagyarázni ezekkel a legtöbb emberi rákos megbetegedésben a metasztázisokat . A nehézségek mind a tumoron belüli sejtek fent említett heterogenitásában, mind pedig a metasztázis kulcsszerepei - keringő tumorsejtek (CTC) elemzésének bonyolultságában rejlenek: ezek a sejtek rendkívül ritkák a vérben (egy egy millió) [65] .

Egy nemrégiben végzett, egysejtes RNS szekvenálást alkalmazó tanulmány azonban három különböző genetikai aláírást tudott azonosítani a melanómás betegek metasztázisához kapcsolódó CTC-kben [66] . Egy másik tanulmány egyetlen keringő tumorsejtek és csoportjaik terjedését vizsgálta áttétes emberi emlőrákban , beleértve az egérmodelleket is. Kimutatták, hogy a klaszterek metasztatikus potenciálja megnövekedett az egyes CTC-khez képest, és a placoglobin szabályozza az ilyen klaszterek kialakulását [67] . Egy metasztatikus hasnyálmirigyrákból származó egyedi CTC-k vizsgálata kimutatta, hogy ezek a sejtek specifikus belső extracelluláris mátrix fehérjéket expresszálnak [68] . Az ilyen eredmények lehetővé teszik a CSC-k működésének, valamint az eredeti daganat sejtjei és a metasztázisok közötti genetikai kapcsolatok jobb megértését.

Az onkológiai kutatások külön témája a daganatsejtek kemoterápiás rezisztenciájának megszerzése . Ez a folyamat a legtöbb emberi rák esetében még mindig rosszul ismert. Egy nemrégiben végzett tanulmány egy tüdő adenokarcinóma sejtvonal több száz egyedi sejtjének transzkriptomprofilját elemezte, és új jelátviteli utakat azonosított, amelyek a kemoterápia bizonyos összetevőivel szembeni rezisztenciához kapcsolódnak [69] . A prosztatarákos CTC -k vizsgálata egy nem kanonikus Wnt jelátviteli útvonal aktiválását tárta fel, amely hozzájárul az antiandrogén alapú gyógyszerekkel szembeni rezisztenciához [70] .

Alternatív splicing kutatás

A legtöbb eukarióta gén alternatív splicingnek van kitéve, ez a jelenség lehetővé teszi egy gén exonjainak különböző kombinációkban történő kombinálását, aminek eredményeként egy génből különböző transzkriptumok, következésképpen különböző, potenciálisan eltérő funkciójú fehérjék is előállíthatók. Annak ellenére, hogy egyes egysejtű RNS szekvenálási módszerek (pl. SMART-Seq) közel a teljes transzkriptom lefedettséggel rendelkeznek, az alternatív izoformák elemzése a módszerek korábban felsorolt ​​korlátai miatt nehézkes. Például előfordulhat, hogy a kis mennyiségben jelenlévő átiratokat nem lehet kimutatni, mivel megkülönböztethetetlenek a biológiai zajtól. Már most készülnek azonban olyan modellek, amelyek figyelembe veszik a transzkriptumok eloszlását az egyedileg szekvenált sejtek összevont halmazában [71] [72] . Lehetővé teszik a különböző izoformák számának pontosabb előrejelzését az egyes sejtekben [71] .

Immunológia

Az egysejtű RNS szekvenálás segítségével hatékonyan elemezhető az azonos populáció sejtjeinek immunválasza különböző körülmények között. Így egy nemrégiben készült tanulmányban a Salmonella makrofágok és a lipopoliszacharidok (a sejtfal fő komponense) különféle módosításait tartalmazó gazdasejtek kölcsönhatásának dinamikáját tanulmányozták [73] . Egy másik tanulmány az egér csontvelő - dendrites sejtek lipopoliszacharidjaira adott válaszát vizsgálta [74] .

Lásd még

Jegyzetek

  1. ↑ 1 2 Haque Ashraful , Engel Jessica , Teichmann Sarah A. , Lönnberg Tapio. Gyakorlati útmutató az egysejtű RNS-szekvenáláshoz orvosbiológiai kutatásokhoz és klinikai alkalmazásokhoz  //  Genome Medicine. - 2017. - augusztus 18. ( 9. köt. , 1. sz.). - ISSN 1756-994X . - doi : 10.1186/s13073-017-0467-4 .
  2. ↑ Herr Amy E. , Kitamori Takehiko , Landegren Ulf , Kamali-Moghaddam Masood. Következő hullám előrelépés az egysejtű elemzésekben  //  The Analyst. - 2019. - 1. évf. 144. sz . 3 . - P. 735-737 . — ISSN 0003-2654 . doi : 10.1039 / c9an90011j .
  3. ↑ Chen Haide , Ye Fang , Guo Guoji. Forradalmasító immunológia egysejtű RNS-szekvenálás segítségével  //  Cellular & Molecular Immunology. - 2019. - február 22. ( 16. évf. , 3. sz.). - 242-249 . — ISSN 1672-7681 . - doi : 10.1038/s41423-019-0214-4 .
  4. ↑ Kumar Pavithra , Tan Yuqi , Cahan Patrick. A fejlődés és az őssejtek megértése a génexpresszió egysejt-alapú elemzésével   // Fejlesztés . - 2017. - január 1. ( 144. évf. , 1. sz.). - P. 17-32 . — ISSN 0950-1991 . - doi : 10.1242/dev.133058 .
  5. ↑ 1 2 3 Svensson Valentine , Vento-Tormo Roser , Teichmann Sarah A. Az egysejtű RNA-seq exponenciális skálázása az elmúlt évtizedben  //  Nature Protocols. - 2018. - március 1. ( 13. évf . 4. sz .). - P. 599-604 . — ISSN 1754-2189 . - doi : 10.1038/nprot.2017.149 .
  6. ↑ 1 2 3 4 5 6 Hedlund Eva , Deng Qiaolin. Egysejtű RNS szekvenálás: Műszaki fejlődés és biológiai alkalmazások  //  Az orvostudomány molekuláris vonatkozásai. - 2018. - február ( 59. köt. ). - P. 36-46 . — ISSN 0098-2997 . - doi : 10.1016/j.mam.2017.07.003 .
  7. ↑ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Hwang Byungjin , Lee Ji Hyun , Bang Duhee. Egysejtű RNS szekvenálási technológiák és bioinformatikai csővezetékek  //  Experimental & Molecular Medicine. - 2018. - augusztus ( 50. évf. , 8. sz.). — ISSN 2092-6413 . - doi : 10.1038/s12276-018-0071-8 .
  8. ↑ Kolodziejczyk Aleksandra A. , Kim Jong Kyoung , Svensson Valentine , Marioni John C. , Teichmann Sarah A. The Technology and Biology of Single-Cell RNA Sequencing  //  Molecular Cell. - 2015. - május ( 58. évf. , 4. sz.). - P. 610-620 . — ISSN 1097-2765 . - doi : 10.1016/j.molcel.2015.04.005 .
  9. ↑ 1 2 3 4 Zhang Xiannian , Li Tianqi , Liu Feng , Chen Yaqi , Yao Jiacheng , Li Zeyao , Huang Yanyi , Wang Jianbin . Cseppalapú ultra-nagy áteresztőképességű egysejtű RNS-Seq rendszerek összehasonlító elemzése  //  Molecular Cell. - 2019. - január ( 73. évf. , 1. sz.). - P. 130-142.e5 . — ISSN 1097-2765 . - doi : 10.1016/j.molcel.2018.10.020 .
  10. ↑ White AK , VanInsberghe M. , Petriv OI , Hamidi M. , Sikorski D. , Marra MA , Piret J. , Aparicio S. , Hansen CL Nagy áteresztőképességű mikrofluidikus egysejtű RT-qPCR  //  Proceedings of the National Academy of Tudományok. - 2011. - augusztus 1. ( 108. évf. , 34. sz.). - P. 13999-14004 . — ISSN 0027-8424 . - doi : 10.1073/pnas.1019446108 .
  11. ↑ Sanchez-Freire Veronica , Ebert Antje D , Kalisky Tomer , Quake Stephen R , Wu Joseph C. Mikrofluidikus egysejtű valós idejű PCR a génexpressziós minták összehasonlító elemzéséhez  //  Nature Protocols. - 2012. - április 5. ( 7. köt . 5. sz .). - P. 829-838 . — ISSN 1754-2189 . - doi : 10.1038/nprot.2012.021 .
  12. ↑ Everaert Celine , Luypaert Manuel , Maag Jesper LV , Cheng Quek Xiu , Dinger Marcel E. , Hellemans Jan , Mestdagh Pieter. RNS-szekvenálási elemzési munkafolyamatok benchmarkingja teljes transzkriptom RT-qPCR expressziós adatok felhasználásával  //  Tudományos jelentések. - 2017. - május 8. ( 7. köt . 1. sz .). — ISSN 2045-2322 . - doi : 10.1038/s41598-017-01617-3 .
  13. ↑ Kameishi Sumako , Umemoto Terumasa , Matsuzaki Yu , Fujita Masako , Okano Teruo , Kato Takashi , Yamato Masayuki. Nyúl limbális epiteliális oldalpopuláció sejtjeinek jellemzése RNS-szekvenálás és egysejtű qRT-PCR segítségével  //  Biokémiai és biofizikai kutatási közlemények. - 2016. - május ( 473. évf . , 3. sz.). - P. 704-709 . — ISSN 0006-291X . - doi : 10.1016/j.bbrc.2015.10.155 .
  14. ↑ Ziegenhain Christoph , Vieth Beate , Parekh Swati , Reinius Björn , Guillaumet-Adkins Amy , Smets Martha , Leonhardt Heinrich , Heyn Holger , Hellmann Ines , Enard Wolfgang. Az egysejtű RNS szekvenálási módszerek összehasonlító elemzése  //  Molecular Cell. - 2017. - február ( 65. évf. , 4. sz.). - P. 631-643.e4 . — ISSN 1097-2765 . - doi : 10.1016/j.molcel.2017.01.023 .
  15. ↑ 1 2 Gao Dan , Jin Feng , Zhou Min , Jiang Yuyang. Az egysejtű manipuláció és a mikrofluidika biokémiai elemzésének legújabb eredményei  //  The Analyst. - 2019. - 1. évf. 144. sz . 3 . - P. 766-781 . — ISSN 0003-2654 . - doi : 10.1039/c8an01186a .
  16. ↑ Svec David , Andersson Daniel , Pekny Milos , Sjöback Robert , Kubista Mikael , Ståhlberg Anders. Közvetlen sejtlízis az egysejtű génexpressziós profilozáshoz  //  Frontiers in Oncology. - 2013. - Kt. 3 . — ISSN 2234-943X . — doi : 10.3389/fonc.2013.00274 .
  17. ↑ 1 2 Zhang Yi , Gao Jiaxin , Huang Yanyi , Wang Jianbin. A mikroorganizmusok egysejtű RNS-szekvenciájának legújabb fejlesztései  //  Biophysical Journal. - 2018. - július ( 115. évf. , 2. sz.). - 173-180 . o . — ISSN 0006-3495 . - doi : 10.1016/j.bpj.2018.06.008 .
  18. ↑ 1 2 Zajac Pawel , Islam Saiful , Hochgerner Hannah , Lönnerberg Peter , Linnarsson Sten. Alapbeállítások az MMLV-eredetű reverz transzkriptázok nem sablonozott nukleotid beépítésében  //  PLoS ONE. - 2013. - december 31. ( 8. évf. , 12. sz.). — P.e85270 . — ISSN 1932-6203 . - doi : 10.1371/journal.pone.0085270 .
  19. ↑ 1 2 Chen Geng , Ning Baitang , Shi Tieliu. Egysejtű RNS-Seq technológiák és a kapcsolódó számítási adatok elemzése  //  A genetika határai. - 2019. - április 5. ( 10. köt. ). - ISSN 1664-8021 . - doi : 10.3389/fgene.2019.00317 .
  20. ↑ Kim Daehwan , Pertea Geo , Trapnell Cole , Pimentel Harold , Kelley Ryan , Salzberg Steven L. TopHat2: a transzkriptomok pontos illesztése inszerciók, deléciók és génfúziók jelenlétében  //  Genome Biology. - 2013. - Kt. 14 , sz. 4 . — P.R36 . — ISSN 1465-6906 . - doi : 10.1186/gb-2013-14-4-r36 .
  21. ↑ Kim Daehwan , Langmead Ben , Salzberg, Steven L. HISAT: a fast spliced ​​aligner with alacsony memóriaigényű  //  Nature Methods. - 2015. - március 9. ( 12. évf . 4. sz .). - P. 357-360 . — ISSN 1548-7091 . - doi : 10.1038/nmeth.3317 .
  22. ↑ Büttner Maren , Miao Zhichao , Wolf F. Alexander , Teichmann Sarah A. , Theis Fabian J. A tesztmetrika az egysejtű RNA-seq batch korrekció értékeléséhez  //  Nature Methods. - 2018. - december 20. ( 16. évf . 1. sz .). - 43-49 . o . — ISSN 1548-7091 . - doi : 10.1038/s41592-018-0254-1 .
  23. ↑ Bacher Rhonda , Chu Li-Fang , Leng Ning , Gasch Audrey P , Thomson James A , Stewart Ron M , Newton Michael , Kendziorski Christina. SCnorm: az egysejtű RNS-seq adatok robusztus normalizálása  //  Nature Methods. - 2017. - április 17. ( 14. évf. , 6. sz.). - P. 584-586 . — ISSN 1548-7091 . - doi : 10.1038/nmeth.4263 .
  24. ↑ Katayama Shintaro , Töhönen Virpi , Linnarsson Sten , Kere Juha. SAMstrt: statisztikai teszt az egysejtes transzkriptom differenciált expressziójára spike-in normalizálással   // Bioinformatika . - 2013. - augusztus 31. ( 29. évf. , 22. sz.). - P. 2943-2945 . — ISSN 1460-2059 . - doi : 10.1093/bioinformatika/btt511 .
  25. ↑ van Dijk David , Sharma Roshan , Nainys Juozas , Yim Kristina , Kathail Pooja , Carr Ambrose J. , Burdziak Cassandra , Moon Kevin R. , Chaffer Christine L. , Pattabiraman Diwakar , Bierie Brian , Mazutis S Linas , Wolf Guymy Pe'er Dana. Génkölcsönhatások helyreállítása egysejtű adatokból adatszórás segítségével   // Cell . - 2018. - július ( 174. évf. , 3. sz.). — P. 716-729.e27 . — ISSN 0092-8674 . - doi : 10.1016/j.cell.2018.05.061 .
  26. ↑ Talwar Divyanshu , Mongia Aanchal , Sengupta Debarka , Majumdar Angshul. AutoImpute: Egysejtű RNS-seq adatok autoencoder alapú imputálása  //  Tudományos jelentések. - 2018. - november 5. ( 8. évf . 1. sz .). — ISSN 2045-2322 . - doi : 10.1038/s41598-018-34688-x .
  27. ↑ Rostom R. , Svensson V. , Teichmann SA , Kar G. Computational approaches for interpreting scRNA-seq data.  (angol)  // FEBS Letters. - 2017. - augusztus ( 591. évf . , 15. sz.). - P. 2213-2225 . - doi : 10.1002/1873-3468.12684 . — PMID 28524227 .
  28. ↑ Zhang X. , Li T. , Liu F. , Chen Y. , Yao J. , Li Z. , Huang Y. , Wang J. Cseppalapú ultra-nagy áteresztőképességű egysejtű RNS-Seq rendszerek összehasonlító elemzése .  (angol)  // Molecular Cell. - 2019. - január 3. ( 73. évf. , 1. sz.). - 130-142 . o . - doi : 10.1016/j.molcel.2018.10.020 . — PMID 30472192 .
  29. ↑ 1 2 Ntranos Vasilis , Kamath Govinda M. , Zhang Jesse M. , Pachter Lior , Tse David N. Gyors és pontos egysejtes RNS-seq elemzés a transzkriptum-kompatibilitási számok klaszterezésével  //  Genome Biology. - 2016. - május 26. ( 17. évf. , 1. sz.). — ISSN 1474-760X . - doi : 10.1186/s13059-016-0970-8 .
  30. ↑ Satija Rahul , Farrell Jeffrey A , Gennert David , Schier Alexander F , Regev Aviv. Egysejtű génexpressziós adatok térbeli rekonstrukciója  //  Nature Biotechnology. - 2015. - április 13. ( 33. évf. , 5. sz.). - P. 495-502 . — ISSN 1087-0156 . - doi : 10.1038/nbt.3192 .
  31. ↑ Baran Yael , Sebe-Pedros Arnau , Lubling Yaniv , Giladi Amir , Chomsky Elad , Meir Zohar , Hoichman Michael , Lifshitz Aviezer , Tanay Amos . MetaCell: egysejtű RNS-seq adatok elemzése k-NN  gráfpartíciókkal . - 2018. - október 8. - doi : 10.1101/437665 .
  32. ↑ Zhang Jesse M. , Fan Jue , Fan H. Christina , Rosenfeld David , Tse David N. Interpretable framework for clustering single-cell RNA-Seq datasets  //  BMC Bioinformatics. - 2018. - március 9. ( 19. évf . 1. sz .). — ISSN 1471-2105 . - doi : 10.1186/s12859-018-2092-7 .
  33. ↑ Tung Po-Yuan , Blischak John D. , Hsiao Chiaowen Joyce , Knowles David A. , Burnett Jonathan E. , Pritchard Jonathan K. , Gilad Yoav. Batch-hatások és az egysejtű génexpressziós vizsgálatok hatékony tervezése  (angol)  // Tudományos jelentések. - 2017. - január 3. ( 7. évf . 1. sz .). — ISSN 2045-2322 . - doi : 10.1038/srep39921 .
  34. ↑ Hicks Stephanie C , Townes F. William , Teng Mingxiang , Irizarry Rafael A. Hiányzó adatok és technikai variabilitás az egysejtű RNS-szekvenálási kísérletekben  . - 2015. - augusztus 25. - doi : 10.1101/025528 .
  35. ↑ Chen Huidong , Albergante Luca , Hsu Jonathan Y. , Lareau Caleb A. , Lo Bosco Giosuè , Guan Jihong , Zhou Shuigeng , Gorban Alexander N. , Bauer Daniel E. , Aryee Martin J. , Langenau David M. , Zinovy ​​David M. Buenrostro Jason D. , Yuan Guo-Cheng , Pinello Luca. Egycellás pályák rekonstrukciója, omics adatok feltárása és feltérképezése a STREAM segítségével  //  Nature Communications. - 2019. - április 23. ( 10. évf. , 1. sz.). — ISSN 2041-1723 . - doi : 10.1038/s41467-019-09670-4 .
  36. ↑ Lall Snehalika , Sinha Debajyoti , Bandyopadhyay Sanghamitra , Sengupta Debarka. Struktúra-tudatos főkomponens-elemzés egysejtű RNS-seq adatokhoz  //  Journal of Computational Biology. - 2018. - december ( 25. évf. , 12. sz.). - P. 1365-1373 . — ISSN 1557-8666 . - doi : 10.1089/cmb.2018.0027 .
  37. ↑ Kobak Dmitry , Berens Philipp. A t-SNE használatának művészete egysejtű transzkriptomikákhoz  . - 2018. - október 25. - doi : 10.1101/453449 .
  38. ↑ Wang Bo , Zhu Junjie , Pierson Emma , ​​Ramazzotti Daniele , Batzoglou Serafim. Egysejtű RNS-seq adatok megjelenítése és elemzése kernel alapú hasonlósági  tanulással . - 2016. - május 9. - doi : 10.1101/052225 .
  39. ↑ Becht Etienne , McInnes Leland , Healy John , Dutertre Charles-Antoine , Kwok Immanuel WH , Ng Lai Guan , Ginhoux Florent , Newell Evan W. Dimenziócsökkentés az egysejtű adatok megjelenítéséhez UMAP segítségével  //  Nature Biotechnology. - 2018. - december 3. ( 37. évf. , 1. sz.). - P. 38-44 . — ISSN 1087-0156 . - doi : 10.1038/nbt.4314 .
  40. ↑ Finak Greg , McDavid Andrew , Yajima Masanao , Deng Jingyuan , Gersuk Vivian , Shalek Alex K. , Slichter Chloe K. , Miller Hannah W. , McElrath M. Juliana , Prlic Martin , Linsley Peter S. , Gottardo Raphael. MAST: rugalmas statisztikai keretrendszer a transzkripciós változások értékelésére és az egysejtű RNS szekvenálási adatok heterogenitásának jellemzésére  //  Genome Biology. - 2015. - december ( 16. évf . 1. sz .). — ISSN 1474-760X . - doi : 10.1186/s13059-015-0844-5 .
  41. ↑ Kharchenko Peter V , Silberstein Lev , Scadden David T. Bayesi megközelítés az egysejtű differenciális expressziós elemzéshez  //  Nature Methods. - 2014. - május 18. ( 11. évf. , 7. sz.). - P. 740-742 . — ISSN 1548-7091 . - doi : 10.1038/nmeth.2967 .
  42. ↑ Emmert-Strei Frank , Dehmer Matthias , Haibe-Kains Benjamin. Génszabályozó hálózatok és alkalmazásaik: biológiai és orvosi problémák megértése hálózatok szempontjából  //  Frontiers in Cell and Developmental Biology. - 2014. - augusztus 19. ( 2. köt. ). — ISSN 2296-634X . - doi : 10.3389/fcell.2014.00038 .
  43. ↑ Kotera Masaaki , Yamanishi Yoshihiro , Moriya Yuki , Kanehisa Minoru , Goto Susumu. GENIES: génhálózati következtetési motor felügyelt elemzés alapján  //  Nucleic Acids Research. - 2012. - június 14. ( 40. kötet , W1. sz. ). - P.W162-W167 . — ISSN 0305-1048 . - doi : 10.1093/nar/gks459 .
  44. ↑ Shmulevich I. , Dougherty ER , Kim S. , Zhang W. Probabilistic Boolean networks: a rule-based uncertainty model for gene regulatory networks   // Bioinformatika . - 2002. - február 1. ( 18. évf. , 2. sz.). - P. 261-274 . — ISSN 1367-4803 . - doi : 10.1093/bioinformatika/18.2.261 .
  45. ↑ Zhang Xiujun , Zhao Xing-Ming , He Kun , Lu Le , Cao Yongwei , Liu Jingdong , Hao Jin-Kao , Liu Zhi-Ping , Chen Luonan. Génszabályozó hálózatok következtetése génexpressziós adatokból feltételes kölcsönös információkon alapuló útvonalkonzisztencia algoritmussal   // Bioinformatika . - 2011. - november 15. ( 28. évf. , 1. sz.). - P. 98-104 . — ISSN 1460-2059 . - doi : 10.1093/bioinformatika/btr626 .
  46. ↑ Griffiths Jonathan A , Scialdone Antonio , Marioni John C. Egysejtes genomika használata a fejlődési folyamatok és a sejtsors-döntések megértéséhez  //  Molecular Systems Biology. - 2018. - április ( 14. évf. , 4. sz.). — ISSN 1744-4292 . - doi : 10.15252/msb.20178046 .
  47. ↑ Saelens Wouter , Cannoodt Robrecht , Todorov Helena , Saeys Yvan. Az egysejtű pályakövetkeztetési módszerek összehasonlítása  (angol)  // Nature Biotechnology. - 2019. - április 1. ( 37. évf. , 5. sz.). - P. 547-554 . — ISSN 1087-0156 . - doi : 10.1038/s41587-019-0071-9 .
  48. ↑ Kowalczyk Monika S. , Tirosh Itay , Heckl Dirk , Rao Tata Nageswara , Dixit Atray , Haas Brian J. , Schneider Rebekka K. , Wagers Amy J. , Ebert Benjamin L. , Regev Aviv. Az egysejtű RNS-seq feltárja a sejtciklus változásait és a differenciációs programokat a vérképző őssejtek öregedésekor  //  Genome Research. - 2015. - október 1. ( 25. évf. , 12. sz.). - P. 1860-1872 . — ISSN 1088-9051 . - doi : 10.1101/gr.192237.115 .
  49. ↑ Tsang Jason CH , Yu Yong , Burke Shannon , Buettner Florian , Wang Cui , Kolodziejczyk Aleksandra A. , Teichmann Sarah A. , Lu Liming , Liu Pentao. Az egysejtes transzkriptomikus rekonstrukció sejtciklus- és többvonalas differenciálódási hibákat tár fel a Bcl11a-hiányos hematopoetikus őssejtekben  //  Genome Biology. - 2015. - szeptember 21. ( 16. évf. , 1. sz.). — ISSN 1474-760X . - doi : 10.1186/s13059-015-0739-5 .
  50. ↑ Treutlein Barbara , Brownfield Doug G. , Wu Angela R. , Neff Norma F. , Mantalas Gary L. , Espinoza F. Hernan , Desai Tushar J. , Krasnow Mark A. , Quake Stephen R. A disztális vonalak leszármazási hierarchiáinak rekonstrukciója epitélium egysejtű RNS-seq használatával   // Természet . - 2014. - április 13. ( 509. évf. , 7500. sz. ). - P. 371-375 . — ISSN 0028-0836 . - doi : 10.1038/természet13173 .
  51. ↑ Shin Jaehoon , Berg Daniel A. , Zhu Yunhua , Shin Joseph Y. , Song Juan , Bonaguidi Michael A. , Enikolopov Grigori , Nauen David W. , Christian Kimberly M. , Ming Guo-li , Song Hongjun. Az egysejtű RNS-Seq vízeséssel feltárja a felnőttkori neurogenezis mögött meghúzódó molekuláris kaszkádokat  //  Sejt-őssejt. - 2015. - szeptember ( 17. évf . 3. sz .). - P. 360-372 . — ISSN 1934-5909 . - doi : 10.1016/j.stem.2015.07.013 .
  52. ↑ Llorens-Bobadilla Enric , Zhao Sheng , Baser Avni , Saiz-Castro Gonzalo , Zwadlo Klara , Martin-Villalba Ana. Az egysejtű transzkriptomika alvó idegi őssejtek populációját tárja fel, amelyek agysérülés esetén aktiválódnak  //  Sejt-őssejt. - 2015. - szeptember ( 17. évf . 3. sz .). - P. 329-340 . — ISSN 1934-5909 . - doi : 10.1016/j.stem.2015.07.002 .
  53. ↑ Deng Q. , Ramskold D. , Reinius B. , Sandberg R. Single-Cell RNA-Seq Reveals Dynamic, Random Monoallelic Gene Expression in Mammalian Cells   // Tudomány . - 2014. - január 9. ( 343. évf. , 6167. sz.). - P. 193-196 . — ISSN 0036-8075 . - doi : 10.1126/tudomány.1245316 .
  54. ↑ Xue Zhigang , Huang Kevin , Cai Chaochao , Cai Lingbo , Jiang Chun-yan , Feng Yun , Liu Zhenshan , Zeng Qiao , Cheng Liming , Sun Yi E. , Liu Jia-yin , Horváth Steve , Fan Guoping. Genetikai programok emberi és egér korai embriókban, amelyeket egysejtű RNS-szekvenálás tárt fel   // Nature . - 2013. - július 28. ( 500. évf. , 7464. sz.). - P. 593-597 . — ISSN 0028-0836 . - doi : 10.1038/nature12364 .
  55. ↑ Tang Fuchou , Barbacioru Catalin , Bao Siqin , Lee Caroline , Nordman Ellen , Wang Xiaohui , Lao Kaiqin , Surani M. Azim. Az embrionális őssejtek származtatásának nyomon követése a belső sejttömegből egysejtű RNS-szekvencia elemzéssel  //  Sejt őssejt. - 2010. - május ( 6. köt. , 5. sz.). - P. 468-478 . — ISSN 1934-5909 . - doi : 10.1016/j.stem.2010.03.015 .
  56. ↑ Tang Fuchou , Barbacioru Catalin , Nordman Ellen , Bao Siqin , Lee Caroline , Wang Xiaohui , Tuch Brian B. , Heard Edith , Lao Kaiqin , Surani M. Azim. Determinisztikus és sztochasztikus allélspecifikus génexpresszió egyetlen egér robbantókban  //  PLoS ONE. - 2011. - június 23. ( 6. köt. , 6. sz. ). — P. e21208 . — ISSN 1932-6203 . - doi : 10.1371/journal.pone.0021208 .
  57. ↑ 1 2 Yan Liying , Yang Mingyu , Guo Hongshan , Yang Lu , Wu Jun , Li Rong , Liu Ping , Lian Ying , Zheng Xiaoying , Yan Jie , Huang Jin , Li Ming , Wu Xinglong , Wen Wen Lu , Liang Ruiq Kaiqin , Qiao Jie , Tang Fuchou. Az emberi preimplantációs embriók és embrionális őssejtek egysejtű RNS-Seq profilozása  //  Nature Structural & Molecular Biology. - 2013. - augusztus 11. ( 20. évf. , 9. sz.). - P. 1131-1139 . — ISSN 1545-9993 . doi : 10.1038 / nsmb.2660 .
  58. ↑ Guo Fan , Yan Liying , Guo Hongshan , Li Lin , Hu Boqiang , Zhao Yangyu , Yong Jun , Hu Yuqiong , Wang Xiaoye , Wei Yuan , Wang Wei , Li Rong , Yan Jie , Zhi Xu , Zhang Hong , Jin Zhang Yan Wenxin , Hou Yu , Zhu Ping , Li Jingyun , Zhang Ling , Liu Sirui , Ren Yixin , Zhu Xiaohui , Wen Lu , Gao Yi Qin , Tang Fuchou , Qiao Jie. Az emberi őscsírasejtek transzkriptuma és DNS-metilóma tájai   // Sejt . - 2015. - június ( 161. évf. , 6. sz.). - P. 1437-1452 . — ISSN 0092-8674 . - doi : 10.1016/j.cell.2015.05.015 .
  59. ↑ Biase Fernando H. , Cao Xiaoyi , Zhong Sheng. Sejtsors hajlam a 2-sejtes és 4-sejtes egérembriókon belül, amelyet az egysejtű RNS-szekvenálás tárt fel  //  Genome Research. - 2014. - augusztus 5. ( 24. évf. , 11. sz.). - P. 1787-1796 . — ISSN 1088-9051 . - doi : 10.1101/gr.177725.114 .
  60. ↑ Shi Junchao , Chen Qi , Li Xin , Zheng Xiudeng , Zhang Ying , Qiao Jie , Tang Fuchou , Tao Yi , Zhou Qi , Duan Enkui . Dinamikus transzkripciós szimmetriatörés a beültetés előtti emlős embriófejlődésben, amelyet az egysejtű RNS-seq tár fel  (angol)  // Fejlesztés. - 2015. - szeptember 22. ( 142. évf. , 20. sz.). - P. 3468-3477 . — ISSN 0950-1991 . - doi : 10.1242/dev.123950 .
  61. ↑ Packer Jonathan S. , Zhu Qin , Huynh Chau , Sivaramakrishnan Priya , Preston Elicia , Dueck Hannah , Stefanik Derek , Tan Kai , Trapnell Cole , Kim Junhyong , Waterston Robert H. , Murray John I. A C mole lineage-resolved atlasza elegans embriogenezis egyetlen sejt  felbontásnál . - 2019. - március 1. - doi : 10.1101/565549 .
  62. ↑ Jaitin DA , Kenigsberg E. , Keren-Shaul H. , Elefant N. , Paul F. , Zaretsky I. , Mildner A. , ​​Cohen N. , Jung S. , Tanay A. , Amit I. Tömegesen párhuzamos egysejtű RNS-seq a szövetek markermentes lebontásához sejttípusokra.  (angol)  // Tudomány (New York, NY). - 2014. - február 14. ( 343. évf. , 6172. sz.). - P. 776-779 . - doi : 10.1126/tudomány.1247651 . — PMID 24531970 .
  63. ↑ 1 2 Fókuszban a rákos őssejtek . elementy.ru
  64. ↑ Patel AP , Tirosh I. , Trombetta JJ , Shalek AK , Gillespie SM , Wakimoto H. , Cahill DP , Nahed BV , Curry WT , Martuza RL , Louis DN , Rozenblatt - Rosen O. , Suva A. ML , Regstein BE Az egysejtű RNS-seq kiemeli az intratumorális heterogenitást az elsődleges glioblasztómában   // Science . - 2014. - június 12. ( 344. évf. , 6190. sz.). - P. 1396-1401 . — ISSN 0036-8075 . - doi : 10.1126/tudomány.1254257 .
  65. ↑ Miller MC, Doyle GV, Terstappen LW (2010). „A CellSearch rendszer által kimutatott keringő daganatsejtek jelentősége áttétes emlő-kolorektális és prosztatarákban szenvedő betegeknél” . J Oncol _ ]. 2010 : 1-8. DOI : 10.1155/2010/617421 . PMC2793426  _ _ PMID20016752  _ _
  66. ↑ Ramsköld D. , Luo S. , Wang YC , Li R. , Deng Q. , Faridani OR , Daniels GA , Khrebtukova I. , Loring JF , Laurent LC , Schroth GP , Sandberg R. Teljes hosszúságú mRNS-Seq egyetlen egyből - az RNS sejtszintje és az egyes keringő daganatsejtek.  (angol)  // Természet Biotechnológia. - 2012. - augusztus ( 30. évf. , 8. sz.). - P. 777-782 . - doi : 10.1038/nbt.2282 . — PMID 22820318 .
  67. ↑ Aceto Nicola , Bardia Aditya , Miyamoto David T. , Donaldson Maria C. , Wittner Ben S. , Spencer Joel A. , Yu Min , Pely Adam , Engstrom Amanda , Zhu Huili , Brannigan Brian W. , Kapur Ravi , Stott Shannon L . , Shioda Toshi , Ramaswamy Sridhar , Ting David T. , Lin Charles P. , Toner Mehmet , Haber Daniel A. , Maheswaran Shyamala. A keringő tumorsejt-klaszterek a mellrák-metasztázis oligoklonális előfutárai   // Sejt . - 2014. - augusztus ( 158. évf. , 5. sz.). - P. 1110-1122 . — ISSN 0092-8674 . - doi : 10.1016/j.cell.2014.07.013 .
  68. ↑ Ting DT , Wittner BS , Ligorio M. , Vincent Jordan N. , Shah AM , Miyamoto DT , Aceto N. , Bersani F. , Brannigan BW , Xega K. , Ciciliano JC , Zhu H. , MacKenzie JC , Trautwein J. , Arora KS , Shahid M. , Ellis HL , Qu N. , Bardeesy N. , Rivera MN , Deshpande V. , Ferrone CR , Kapur R. , Ramaswamy S. , Shioda T. , Toner M. , Maheswaran S. , Haber DA Az egysejtű RNS szekvenálás azonosítja az extracelluláris mátrix génexpresszióját a hasnyálmirigyben keringő tumorsejtek által.  (angol)  // Cell Reports. - 2014. - szeptember 25. ( 8. köt . 6. sz .). - P. 1905-1918 . - doi : 10.1016/j.celrep.2014.08.029 . — PMID 25242334 .
  69. ↑ Suzuki Ayako , Matsushima Koutatsu , Makinoshima Hideki , Sugano Sumio , Kohno Takashi , Tsuchihara Katsuya , Suzuki Yutaka. A tüdő adenokarcinóma sejtvonalainak egysejtes elemzése feltárja az egyes sejtek eltérő expressziós mintázatait, amelyeket egy molekuláris célgyógyszeres kezelés idéz elő  //  Genome Biology. - 2015. - április 3. ( 16. évf . 1. sz .). — ISSN 1474-760X . - doi : 10.1186/s13059-015-0636-y .
  70. ↑ Miyamoto DT , Zheng Y. , Wittner BS , Lee RJ , Zhu H. , Broderick KT , Desai R. , Fox DB , Brannigan BW , Trautwein J. , Arora KS , Desai N. , Dahl DM , Smith , Sequist LV , Kapur R. , Wu C.-L. , Shioda T. , Ramaswamy S. , Ting DT , Toner M. , Maheswaran S. , Haber DA RNA-Seq of single prostate CTCs implicates noncanonical Wnt signaling in antiandrogen resistance   // Science . - 2015. - szeptember 17. ( 349. évf. , 6254. sz.). - P. 1351-1356 . — ISSN 0036-8075 . - doi : 10.1126/science.aab0917 .
  71. ↑ 1 2 Welch Joshua D. , Hu Yin , Prins Jan F. Robust detection of Alternative splicing in a population of single cell  //  Nucleic Acids Research. - 2016. - január 5. ( 44. évf. , 8. sz.). - P. e73-e73 . — ISSN 0305-1048 . - doi : 10.1093/nar/gkv1525 .
  72. ↑ Marinov GK , Williams BA , McCue K. , Schroth GP , Gertz J. , Myers RM , Wold BJ From single-cell to cell-pool transcriptomes: Stochasticity in gene expression and RNA splicing  //  Genome Research. - 2013. - december 3. ( 24. évf. , 3. sz.). - P. 496-510 . — ISSN 1088-9051 . - doi : 10.1101/gr.161034.113 .
  73. ↑ Avraham R. , Haseley N. , Brown D. , Penaranda C. , Jijon HB , Trombetta JJ , Satija R. , Shalek AK , Xavier RJ , Regev A. , Hung DT Pathogen Cell-to-Cell Variability Drives Hostogeneity in Hostogeneity Immunreakciók.  (angol)  // Cell. - 2015. - szeptember 10. ( 162. évf. , 6. sz.). - P. 1309-1321 . - doi : 10.1016/j.cell.2015.08.027 . — PMID 26343579 .
  74. ↑ Shalek Alex K. , Satija Rahul , Adiconis Xian , Gertner Rona S. , Gaublomme Jellert T. , Raychowdhury Raktima , Schwartz Schraga , Yosef Nir , Malboeuf Christine , Lu Diana , Trombetta John Andreen A. , Hacohen Nir , Levin Joshua Z. , Park Hongkun , Regev Aviv. Az egysejtes transzkriptomika bimodalitást tár fel az immunsejtek expressziójában és splicingjében   // Nature . - 2013. - május 19. ( 498. évf. , 7453. sz.). - P. 236-240 . — ISSN 0028-0836 . - doi : 10.1038/természet12172 .

Linkek