Single-Cell Multi-Omic Sequencing

Het single-cell multi-omic sequencing is uitgegroeid tot een van de meest geavanceerde technologieën voor het bestuderen van moleculaire processen op het niveau van individuele cellen. Door meerdere informatielagen tegelijk te analyseren genomica, transcriptomica, epigenomica, proteomica en soms metabolomica biedt deze methode een uitzonderlijk gedetailleerd beeld van cellulaire diversiteit.

Bij single-cell multi-omic sequencing wordt simultaan meerdere typen moleculaire informatie van een individuele cel vastgelegd. In tegenstelling tot bulk-analyses, die gemiddelden over grote celpopulaties produceren, onthult deze technologie :

1. intracellulaire variatie
2. zeldzame of dynamische celstaten
3. ontwikkelings- en differentiatiepaden
4. regulatoire netwerken op cellulair niveau

Via officiële databanken zoals NCBI GEO en SRA zijn duizenden single-cell multi-omics datasets beschikbaar.

Frontiers

Deze benadering is revolutionair omdat ze verschillende moleculaire niveaus integreert binnen één cel. De belangrijkste omics-categorieën zijn:

• Genomica op unicellulair niveau

Detectie van genetische variaties, mutaties en kopiegetalvariaties.

Bron : NCBI Genome

• Transcriptomica op unicellulair niveau (scRNA-seq)

Bepaling van genexpressie per afzonderlijke cel.

Bron : PubMed

• Epigenomica op unicellulair niveau (ATAC-seq, DNA-methylatie)

Analyse van chromatintoegankelijkheid en epigenetische patronen.

Bron : NIH Epigenomics

• Proteomica op unicellulair niveau

Gelijktijdige meting van RNA- en eiwitniveaus.

Structuurinformatie : Protein Data Bank

• Metabolomica op unicellulair niveau

Ontluikend domein gericht op metabolietnetwerken.

Bron : PubChem

Deze gelaagde aanpak geeft inzicht in gen-regulatie, celidentiteit en moleculaire interacties met ongekende resolutie.

De methoden die het meest in officiële databanken voorkomen, zijn :

• scATAC + scRNA (chromatine + transcriptome) : Combineert chromatintoegankelijkheid met genexpressie.

• Gelijktijdige DNA + RNA-analyse per cel : Legt genetische variatie en expressie-effecten vast.

• Transcriptome + proteome op één cel (CITE-seq-achtige methoden) : Combineert eiwitdetectie met RNA-profilering.

• Ruimtelijke multi-omics (3D-mapping) : Koppelt moleculaire gegevens aan cellulaire lokalisatie.

MDPI

Volgens datasets in publieke archieven zijn de meest onderzochte domeinen :

1. Analyse van cellulaire heterogeniteit : Identificeert subpopulaties die eerder onzichtbaar waren.
2. Reconstructie van cellulaire trajecten : Analyse van ontwikkeling, differentiatie en overgangstoestanden.
3. Cartografie van regulatoire netwerken : Verbindt rechtstreeks epigenoom → transcriptome → fenotype.

Wikipedia

1. Ruimtelijke multi-omics : Combineert weefsellokalisatie met moleculaire identiteiten.
2. Onderzoek naar cellulaire micro-omgevingen : Analyse van cel-tot-celinteracties (ligand/receptor), vaak gedocumenteerd in PMC.