人体是一个高度复杂的系统，包含约37万亿个细胞，并涵盖数百种细胞类型。虽然这些细胞都源于同一个受精卵，但在再生与分化过程中，它们不断积累遗传和表观遗传变异，这导致同一组织、器官或细胞类型内存在着显著的细胞异质性，不同细胞可能对生理或病理过程产生不同的影响。深入理解这种细胞异质性对基础与临床研究至关重要。单细胞和空间组学技术的发展，让我们能够以前所未有的精度分析生物系统，绘制高精度的多组学的细胞图谱，并建立数字生命模型。
近日，《中国科学：生命科学》英文版（SCIENCE CHINA Life Sciences）在线发表了由浙江大学郭国骥教授、郭红山教授、阮一骏教授、王永成教授，北京大学张泽民院士、邢栋教授，及华大生命科学研究院徐讯研究员等18位科研人员联合撰写的单细胞及空间组学前沿应用大综述“Advances and applications in single-cell and spatial genomics”。该综述以超长篇幅（近3万字，700多篇文献）系统性梳理了单细胞和空间基因组学领域的历史、进展、应用与展望。
该综述第一部分为“Overview of single-cell andspatial genomics”。 该部分总体概述了单细胞和空间基因组学技术突破了传统基因组学研究方法的局限，能够深入解析单个细胞的差异和空间位置信息。这些技术推动了细胞图谱的构建，为理解疾病机制和开发新型治疗方法提供了关键信息。
该综述第二部分为“Single-cell sequencingtechnologies”。该部分详细总结了单细胞测序技术已经从最初的转录组测序发展到全基因组、表观基因组和蛋白质组测序，从单一组学测序发展到多组学联合测序，从单个细胞测序发展到亚细胞测序，并且测序规模从几十个细胞扩展到数百万个细胞（图1）。
图1 单细胞组学技术在不同组学领域的应用概览示意图
该综述第三部分为“Single-cell multi-omicstechnologies”。该部分详细总结了多组学技术的发展。多组学技术源于单组学方法，并在此基础上扩展了技术流程，包括细胞分离和收集（微流控、移液器吸取、流式细胞术等），以及复杂的标记策略（例如分裂池条形码）（图2）。多组学方法的关键原则之一是强调分离不同组学数据以维护数据完整性和分析效率。分离策略分为三种类型：物理分离、计算机分离和酶促转化（图3）。
图3 不同的组学信息分离策略分类
该综述第四部分为“Spatial genomicstechnologies”。该部分详细总结了空间转录组和空间多组学技术在过去25年的发展历程（图4），并具体描述了四类主要技术（图5）。该部分还展示了空间组学方法在发育生物学、神经科学、病理学和植物科学领域的应用历史（图6）。
图5 四种主要的空间转录组学技术概述示意图
图6 空间组学方法在发育生物学、神经科学、病理学和植物科学领域的应用时间线。
该综述第五部分为“Computational challenges”。该部分总结了单细胞组学数据的分析策略，基于深度学习的细胞图谱数据建模，以及跨平台、跨物种大数据分析中面临的计算挑战（图7）。
图7 单细胞基因组学分析中面临的关键计算挑战。
该综述第六部分为“Advances in single-cellatlas mapping”。该部分描述了自2016 年人类细胞图谱计划（HCA）发布以来，以小鼠和人类为代表的跨物种、跨组织细胞图谱研究的历史（图8）。
图8 在单细胞水平上绘制人类和小鼠细胞图谱。
该综述第七部分为“Single-Cell Insights forTranslational Medicine”。该部分详细总结单细胞基因组学在癌症治疗、非癌症疾病治疗以及药物靶点发现和精准治疗等方向的临床应用（图9）。
图9 单细胞组学的临床应用
该综述最后部分为“Perspectives, challenges,and opportunities of single-cell genomics”。该部分探讨了单细胞和空间组学技术的发展趋势。随着通量、敏感性和模式的改进，单细胞和空间技术有望推动生物学研究各个方面的范式转变。基于人工智能的数字生命模型，将实现硅基的高效大规模功能实验筛选，从而极大的加速疾病靶点发现和药物研发（图10）。这些创新将开启一个新的生物医学时代，促进基础研究的临床转化，攻克疾病并守护人类健康。
图10 单细胞和空间组学的未来方向
良渚实验室王晶晶博士、叶昉博士、冉霞博士，浙江大学柴皓曦博士、徐子叶博士、傅雨婷、张国栋、吴涵语，北京大学王腾、夏启旻博士，以及华大生命科学研究院姜宇佳博士为该文共同第一作者。该研究获得国家自然科学基金、科技部重点研发计划、浙江省尖兵领雁项目的支持。
作者信息