简介
理解⼀种疾病的某种现象仅使用⼀种数据类型是远远不够的,随着高通量测序和多组学的快速发展,生物医学研究开始采取多组学技术结合的方法,传统的信息数据处理算法不能满足大数据的处理要求,机器学习作为从数据中进行学习的算法,可以对不同组学来源(如基因组学、转录组学、蛋白质组学、代谢组学)的数据进行综合分析,开发针对个体多样性的多因素预测模型,可以显著减少需要考虑的潜在治疗组合的空间,并识别其他可能被忽视的组合,并可以添加实验验证的步骤,以提供额外的证据,从而证明预测治疗可能存在的有效性。其包含基因组学、转录组学、表观组学、蛋白组学
单细胞多组学联合应用
基因组学-DNA层次上的测序
简介
对生物体所有基因进行表征和定量研究,主要检测基因变异(SNV点突变,CNV拷贝数变异,InDel插入/缺失SV结构变异)
技术
WGS:全基因组。优势可以看到所有变异类型。劣势数据量大,成本高。
WES:外显子测序。优势占全基因组的1%左右,但包含80%的基因突变,成本低。
panel:只看所需要的基因突变。优势测序量少,
应用
外显子与单细胞联合应用 -单细胞水平上研究三阴性乳腺癌化疗前后对比(文献)
转录组-RNA水平的研究
技术
Bulk RNA-Sep:普通转录组、表达谱芯片(lincRNA、samllRNA、miRNA)、全录组(包括lincRNA、samllRNA、miRNA)、三代全长转录组(融合、可变剪切)
scRNA-Sep
空间转录组:可以得到细胞转录组的RNA的情况还可以知道每个细胞在什么位置
应用:
普通转录组与单细胞的结合-利用单细胞数据库从Bulk转录组中预测细胞类型比例(文献:跨物种单细胞分析揭示灵长类动物小胶质细胞发育差异)
单细胞与BCR/TCR单细胞组的免疫组库(文献:单细胞技术探究阿尔兹海默症患者免疫反应特征)
单细胞结合空间转录组学揭示骨髓生态位组织(文献:发布于Nature Cell Biology)
表观组学
简介
基于非基因序列改变所致基因表达水平变化
技术
甲基化测序
sc ATAC-seq
应用
甲基化测序结合转录组分析揭示了无精子症男性雄性的表观基因组异常(文献)
单细胞多组学分析确定混合表型急性白血病的调控程序(文献)
蛋白组学
技术
蛋白质谱测序
免疫荧光
流式细胞术
应用
单细胞转录组和质谱流式确定类风湿关节炎滑膜组织中的炎症细胞状态(文献)
代谢组
简介
研究生物体系(细胞、组织或者生物体)受刺激或扰动后代谢组变化的科学。
特点
种类繁多、结构性质复杂、定性困难
浓度范围动态范围宽、准确定量困难
技术
GC-MS+LC-MS双平台非靶向代谢组
精准靶向代谢组:定位更准确、定量更准确、线性范围宽
拟靶向代谢组:覆盖范围广、线性范围较宽、重复性好、灵敏度高、数据处理过程简单
独一无二的空间代谢组
应用
机制解析(药效)