Single Cell RNA Sequencing چیست؟ بررسی کامل تکنیک، مراحل، کاربردهاو مزایای scRNA-seq

Single Cell RNA Sequencing یا scRNA-seq یکی از پیشرفته‌ترین روش‌های مطالعه بیان ژن در زیست‌شناسی سلولی و مولکولی است که امکان بررسی RNA و الگوی بیان ژن در سطح تک‌سلول را فراهم می‌کند. برخلاف RNA sequencing معمولی یا Bulk RNA-seq که میانگین بیان ژن‌ها را در مجموعه‌ای از سلول‌ها بررسی می‌کند، در Single Cell RNA Sequencing می‌توان رفتار مولکولی هر سلول را به‌صورت جداگانه مطالعه کرد.

این ویژگی باعث شده است که scRNA-seq به ابزاری مهم در حوزه‌هایی مانند سرطان‌شناسی، ایمونولوژی، زیست‌شناسی سلولی، پزشکی شخصی‌سازی‌شده، تحقیقات سلول‌های بنیادی، علوم اعصاب و زیست‌شناسی تکوینی تبدیل شود.

در این مقاله با مفهوم Single Cell RNA Sequencing، نحوه عملکرد آن، مراحل انجام آزمایش، روش‌های مختلف، کاربردها، مزایا و محدودیت‌های این تکنیک و همچنین تفاوت آن با RNA-seq معمولی آشنا می‌شویم.

 

Single Cell RNA Sequencing چیست؟

Single Cell RNA Sequencing که به اختصار scRNA-seq نامیده می‌شود، روشی برای بررسی ترنسکریپتوم (Transcriptome) سلول‌های منفرد است.

ترنسکریپتوم مجموعه RNAهای موجود و بیان‌شده در یک سلول در یک زمان مشخص است. از آنجا که سلول‌های مختلف حتی در یک بافت یکسان می‌توانند الگوهای متفاوتی از بیان ژن داشته باشند، بررسی میانگین RNA کل بافت همیشه نمی‌تواند این تفاوت‌ها را نشان دهد.

در روش سینگل سل RNA Sequencing، سلول‌ها ابتدا از یکدیگر جدا شده و سپس RNA هر سلول با استفاده از روش‌های مولکولی و بارکدگذاری اختصاصی شناسایی می‌شود. در ادامه، RNA به cDNA تبدیل شده و کتابخانه‌های توالی‌یابی ساخته می‌شوند. داده‌های حاصل از Sequencing در نهایت با استفاده از ابزارهای بیوانفورماتیکی تحلیل می‌شوند.

به زبان ساده، Single Cell RNA Sequencing به ما می‌گوید هر سلول چه ژن‌هایی را بیان می‌کند و میزان بیان این ژن‌ها در سلول‌های مختلف چگونه با یکدیگر تفاوت دارد.

چرا بررسی بیان ژن در سطح تک‌سلول اهمیت دارد؟

فرض کنید نمونه‌ای از یک تومور را بررسی می‌کنیم. این تومور ممکن است از سلول‌های سرطانی، سلول‌های ایمنی، سلول‌های استرومال، سلول‌های اندوتلیال و انواع دیگری از سلول‌ها تشکیل شده باشد.

اگر RNA کل نمونه را استخراج کرده و یک Bulk RNA-seq انجام دهیم، نتیجه نهایی در واقع میانگینی از بیان ژن تمام سلول‌های موجود در نمونه خواهد بود.

در چنین شرایطی ممکن است یک جمعیت کوچک اما بسیار مهم از سلول‌ها در میان سلول‌های فراوان‌تر پنهان شود.

اما scRNA-seq امکان تفکیک این جمعیت‌ها را فراهم می‌کند.

به کمک این تکنیک می‌توان:

• – انواع مختلف سلول‌ها را شناسایی کرد.
• – سلول‌های نادر را پیدا کرد.
• – تفاوت بیان ژن بین سلول‌ها را بررسی کرد.
• – زیرجمعیت‌های سلولی را شناسایی کرد.
• – وضعیت فعال یا غیرفعال سلول‌ها را بررسی کرد.
• – تغییرات سلولی در طول بیماری یا تکوین را مطالعه کرد.
• – مسیرهای احتمالی تمایز سلولی را بررسی کرد.

به همین دلیل، single-cell transcriptomics یکی از روش‌های مهم برای مطالعه ناهمگونی سلولی یا Cellular Heterogeneity محسوب می‌شود.

 

Single Cell RNA Sequencing چگونه انجام می‌شود؟

فرآیند scRNA-seq را می‌توان به چند مرحله اصلی تقسیم کرد:

۱. آماده‌سازی نمونه

ابتدا نمونه مورد نظر، مانند خون، بافت، تومور یا کشت سلولی، آماده می‌شود.

در بسیاری از روش‌ها لازم است بافت به یک Single-Cell Suspension تبدیل شود؛ یعنی سلول‌های موجود در بافت از یکدیگر جدا شوند.

کیفیت این مرحله اهمیت بسیار زیادی دارد، زیرا آسیب سلولی، مرگ سلول‌ها یا تغییر وضعیت سلول در هنگام جداسازی می‌تواند روی نتیجه نهایی تأثیر بگذارد.

۲. جداسازی سلول‌ها

پس از آماده‌سازی نمونه، سلول‌ها باید به‌صورت منفرد شناسایی یا Capture شوند.

روش‌های مختلفی برای این کار وجود دارد؛ از جمله:

– Droplet-based methods

– Microfluidic platforms

– Microwell-based methods

– FACS

– روش‌های مبتنی بر بارکدگذاری سلولی

در روش‌های Droplet-based، سلول‌ها به همراه ذرات یا Beadهای دارای بارکد در قطرات میکروسکوپی قرار می‌گیرند.

۳. لیز سلولی و آزادسازی RNA

پس از Capture شدن سلول‌ها، غشای سلولی تخریب شده و RNA موجود در سلول آزاد می‌شود.

RNAهای آزادشده سپس به مولکول‌های دارای Cell Barcode و UMI متصل می‌شوند.

۴. Reverse Transcription

RNA در این مرحله به کمک آنزیم Reverse Transcriptase به DNA مکمل یا cDNA تبدیل می‌شود.

این مرحله اهمیت زیادی دارد، زیرا تکنولوژی‌های توالی‌یابی معمولاً بر پایه DNA عمل می‌کنند.

۵. ساخت Library

cDNA حاصل از سلول‌ها وارد فرآیند آماده‌سازی Library می‌شود.

در این مرحله معمولاً توالی‌های مورد نیاز برای Sequencing، Adapterها و Barcodeهای لازم به مولکول‌ها اضافه می‌شوند.

۶. Sequencing

کتابخانه آماده‌شده وارد دستگاه Sequencer می‌شود و توالی مولکول‌های DNA خوانده می‌شود.

نتیجه این مرحله حجم زیادی از داده‌های خام Sequencing است.

۷. تحلیل بیوانفورماتیکی

مرحله بسیار مهم بعدی، پردازش داده‌هاست.

داده‌های خام باید Quality Control شوند و سپس برای شناسایی سلول‌ها، ژن‌ها و الگوهای بیان ژن مورد تحلیل قرار گیرند.

تحلیل scRNA-seq معمولاً شامل مراحل مختلفی مانند Quality Control، Normalization، Dimensionality Reduction، Clustering، Cell Type Annotation و Differential Expression Analysis است.

Cell Barcode و UMI در scRNA-seq چیست؟

دو مفهوم مهم در بسیاری از روش‌های Single Cell RNA Sequencing عبارت‌اند از:

Cell Barcode : هر سلول یک شناسه یا Barcode اختصاصی دریافت می‌کند.

این Barcode به پژوهشگر کمک می‌کند مشخص کند هر مولکول RNA متعلق به کدام سلول بوده است.

UMI چیست؟ : UMI یا Unique Molecular Identifier یک توالی کوتاه و تصادفی است که برای شناسایی مولکول‌های RNA اولیه مورد استفاده قرار می‌گیرد.

وجود UMI کمک می‌کند اثر PCR amplification در شمارش مولکول‌های RNA کاهش پیدا کند.

در برخی روش‌های مبتنی بر Bead، بارکد سلولی و UMI همراه با مولکول‌های RNA ثبت می‌شوند و همین موضوع امکان ساخت یک ماتریس بیان ژن در سطح سلولی را فراهم می‌کند.

 

روش‌های مختلف Single Cell RNA Sequencing

روش‌های مختلفی برای انجام scRNA-seq توسعه یافته‌اند و هر کدام ویژگی‌ها، مزایا و محدودیت‌های خاص خود را دارند.

روش Droplet-based scRNA-seq

یکی از روش‌های پرکاربرد، تکنولوژی مبتنی بر قطرات یا Droplet-based sequencing است.

در این روش سلول‌ها و Beadهای دارای Barcode در قطرات کوچک قرار می‌گیرند. سپس RNA هر سلول با Barcode مربوط به همان سلول مشخص می‌شود.

مزیت اصلی این روش، امکان بررسی تعداد بسیار زیادی سلول در یک آزمایش است.

روش Plate-based

در روش‌های Plate-based، سلول‌ها در چاهک‌های یک پلیت قرار گرفته و هر سلول به‌صورت جداگانه پردازش می‌شود.

یکی از مزایای این رویکرد، امکان دستیابی به پوشش ترنسکریپتی عمیق‌تر در برخی پروتکل‌هاست، اگرچه throughput آن معمولاً با روش‌های پرظرفیت Droplet-based قابل مقایسه نیست.

روش Smart-seq

Smart-seq یکی از روش‌های شناخته‌شده Single Cell RNA-seq است که برای دستیابی به پوشش بهتر و کامل‌تر از RNAها توسعه داده شده است.

برخی نسخه‌های Smart-seq می‌توانند اطلاعات بیشتری درباره ترنسکریپت‌های کامل و Isoformها فراهم کنند، در حالی که روش‌های High-throughput معمولاً برای بررسی تعداد زیادی سلول با عمق کمتر مناسب‌تر هستند.

در انتخاب روش مناسب، یک Trade-off مهم میان تعداد سلول‌های قابل بررسی و عمق یا پوشش ترنسکریپت‌ها وجود دارد.

تحلیل داده‌های Single Cell RNA Sequencing

یکی از ویژگی‌های مهم scRNA-seq این است که این تکنیک تنها به مرحله آزمایشگاهی محدود نمی‌شود و بخش قابل توجهی از کار در مرحله Bioinformatics انجام می‌شود.

داده‌های حاصل از Sequencing معمولاً باید طی چند مرحله پردازش شوند.

Quality Control

در ابتدا کیفیت داده‌ها بررسی می‌شود.

پارامترهایی مانند:

• – تعداد ژن‌های شناسایی‌شده در هر سلول
• – تعداد RNA یا UMI
• – درصد RNA میتوکندریایی
• – تعداد کل Reads
• – کیفیت Sequencing

می‌توانند برای ارزیابی کیفیت سلول‌ها مورد استفاده قرار گیرند.

سلول‌هایی که کیفیت مناسبی ندارند ممکن است از تحلیل نهایی حذف شوند.

Normalization

سلول‌ها ممکن است از نظر تعداد RNA شناسایی‌شده با یکدیگر تفاوت زیادی داشته باشند.

Normalization برای کاهش این اختلافات فنی و امکان مقایسه بهتر سلول‌ها انجام می‌شود.

Dimensionality Reduction

داده‌های scRNA-seq معمولاً دارای هزاران ویژگی یا ژن هستند. بنابراین برای نمایش و تحلیل بهتر داده‌ها از روش‌های کاهش ابعاد استفاده می‌شود.

دو روش بسیار شناخته‌شده عبارت‌اند از:

PCA

و

UMAP

روش‌هایی مانند UMAP می‌توانند سلول‌های مشابه را در فضای دوبعدی نزدیک یکدیگر نمایش دهند.

Clustering

در مرحله Clustering، سلول‌هایی که الگوهای بیان ژن مشابهی دارند در گروه‌های مختلف قرار می‌گیرند.

این مرحله یکی از پایه‌های اصلی شناسایی جمعیت‌های سلولی در scRNA-seq است.

Cell Type Annotation

پس از تشکیل Clusterها، پژوهشگر باید مشخص کند هر Cluster احتمالاً مربوط به چه نوع سلولی است.

برای مثال ممکن است Clusterهای مختلف شامل:

• – T cell
• – B cell
• – Macrophage
• – Fibroblast
• – Endothelial cell
• – Epithelial cell

باشند.

این کار معمولاً با بررسی Marker Geneها انجام می‌شود.

 

کاربردهای Single Cell RNA Sequencing چیست؟

کاربردهای scRNA-seq بسیار گسترده است و این تکنولوژی در تحقیقات مختلف زیست‌پزشکی مورد استفاده قرار گرفته است.

۱. تحقیقات سرطان

یکی از مهم‌ترین کاربردهای Single Cell RNA Sequencing، مطالعه سرطان است.

تومورها معمولاً از جمعیت‌های سلولی مختلفی تشکیل شده‌اند. scRNA-seq می‌تواند به شناسایی زیرجمعیت‌های سلولی، سلول‌های مقاوم به درمان، سلول‌های ایمنی موجود در ریزمحیط تومور و تغییرات بیان ژن در سلول‌های سرطانی کمک کند.

 

۲. مطالعه سیستم ایمنی

scRNA-seq امکان بررسی جمعیت‌های مختلف سلول‌های ایمنی و وضعیت عملکردی آن‌ها را فراهم می‌کند.

برای مثال می‌توان تفاوت میان زیرگروه‌های مختلف T cell یا Macrophage را بررسی کرد.

این موضوع در مطالعه بیماری‌های خودایمنی، عفونت‌ها و سرطان اهمیت زیادی دارد.

 

۳. سلول‌های بنیادی و تمایز سلولی

در مطالعات مربوط به Stem Cellها، یکی از پرسش‌های مهم این است که سلول‌ها چگونه از یک وضعیت به وضعیت دیگر تغییر می‌کنند.

با استفاده از scRNA-seq می‌توان تغییرات بیان ژن را در سلول‌های مختلف در طول فرآیند تمایز بررسی کرد.

 

۴. علوم اعصاب

بافت عصبی از انواع مختلف سلول‌ها تشکیل شده است و حتی سلول‌هایی که از نظر ظاهری مشابه هستند ممکن است الگوهای بیان ژن متفاوتی داشته باشند.

Single Cell RNA Sequencing به شناسایی زیرگروه‌های سلول‌های عصبی و غیرعصبی و بررسی تغییرات آن‌ها در شرایط مختلف کمک می‌کند.

 

۵. زیست‌شناسی تکوین

در دوران رشد و تکامل، سلول‌ها دائماً در حال تقسیم، تمایز و تغییر وضعیت هستند.

scRNA-seq می‌تواند برای بررسی این تغییرات و شناسایی مسیرهای احتمالی تمایز سلولی مورد استفاده قرار گیرد.

 

۶. پزشکی شخصی‌سازی‌شده

در آینده، ترکیب اطلاعات Single Cell با سایر داده‌های مولکولی می‌تواند به درک بهتر تفاوت‌های زیستی بین بیماران و انتخاب روش‌های درمانی مناسب‌تر کمک کند.

مزایای Single Cell RNA Sequencing

مهم‌ترین مزایای scRNA-seq عبارت‌اند از:

• – بررسی بیان ژن در سطح تک‌سلول
• – شناسایی ناهمگونی سلولی
• – شناسایی جمعیت‌های سلولی ناشناخته
• – شناسایی سلول‌های نادر
• – بررسی زیرگروه‌های سلولی
• – مطالعه تغییرات وضعیت سلولی
• – بررسی مسیرهای احتمالی تمایز سلولی
• – امکان ترکیب با سایر روش‌های Single Cell و Multi-omics

یکی از مهم‌ترین مزایای این تکنولوژی این است که یک نمونه پیچیده را می‌توان به مجموعه‌ای از جمعیت‌های سلولی با ویژگی‌های مولکولی متفاوت تفکیک کرد. همین ویژگی در ایجاد اطلس‌های سلولی از بافت‌ها و اندام‌ها نیز اهمیت زیادی دارد.

 

محدودیت‌های Single Cell RNA Sequencing

با وجود مزایای فراوان، scRNA-seq یک تکنیک بدون محدودیت نیست.

هزینه بالا : تجهیزات، کیت‌ها، Sequencing و پردازش داده‌ها می‌توانند هزینه قابل توجهی داشته باشند.

حساسیت محدود : به دلیل مقدار بسیار کم RNA در هر سلول، شناسایی برخی RNAهای کم‌بیان دشوار است.

Dropout : یکی از چالش‌های شناخته‌شده در داده‌های scRNA-seq، Dropout است؛ یعنی ممکن است ژنی واقعاً در سلول بیان شود اما به دلیل محدودیت حساسیت، در داده Sequencing شناسایی نشود.

Doublet : گاهی بیش از یک سلول وارد یک قطره یا واحد Capture می‌شود. در نتیجه داده به‌دست‌آمده ممکن است ترکیبی از دو سلول باشد.

این پدیده که Doublet نام دارد می‌تواند در تحلیل داده‌ها خطا ایجاد کند و به همین دلیل باید در مرحله Quality Control شناسایی شود.

اثر آماده‌سازی نمونه : فرآیند جداسازی سلول‌ها از بافت ممکن است باعث ایجاد استرس سلولی یا تغییر بیان برخی ژن‌ها شود.

بنابراین طراحی آزمایش و آماده‌سازی نمونه بخش بسیار مهمی از یک پروژه scRNA-seq محسوب می‌شود.

حجم بالای داده : scRNA-seq حجم بسیار زیادی از داده تولید می‌کند و تحلیل آن نیازمند دانش مناسب در زمینه بیوانفورماتیک، آمار و برنامه‌نویسی است.

 

تفاوت Single Cell RNA Sequencing با Bulk RNA-seq چیست؟

تفاوت اصلی این دو روش در سطح بررسی نمونه است.

در Bulk RNA-seq RNA مجموعه‌ای از سلول‌ها با یکدیگر ترکیب شده و یک پروفایل میانگین از بیان ژن به دست می‌آید.

اما در Single Cell RNA-seq سلول‌ها به‌صورت جداگانه بررسی می‌شوند.

Single Cell RNA-seq	Bulk RNA-seq	ویژگی
تک‌سلول	جمعیت سلولی	سطح بررسی
بسیار مناسب	محدود	شناسایی ناهمگونی سلولی
امکان‌پذیر	دشوار	شناسایی سلول‌های نادر
بسیار زیاد	کمتر	حجم داده
معمولاً بیشتر	معمولاً کمتر	هزینه و پیچیدگی
بسیار مهم	دارد	نیاز به تحلیل بیوانفورماتیکی
یکی از کاربردهای اصلی	Cell Type محدود	شناسایی

بنابراین نمی‌توان گفت یکی از این دو روش همیشه بهتر از دیگری است. انتخاب روش باید بر اساس سؤال پژوهشی، نوع نمونه، تعداد سلول‌ها، بودجه و هدف مطالعه انجام شود.

 

تفاوت scRNA-seq با Single Cell Proteomics چیست؟

در Single Cell RNA Sequencing تمرکز اصلی روی RNA و بیان ژن است؛ در حالی که Single Cell Proteomics پروتئین‌های موجود در سطح تک‌سلول را بررسی می‌کند.

RNA نشان‌دهنده بخشی از وضعیت رونویسی سلول است، اما پروتئین‌ها مستقیماً در بسیاری از عملکردهای سلولی نقش دارند.

به همین دلیل امروزه توجه زیادی به Single Cell Multi-omics شده است؛ رویکردی که می‌تواند اطلاعات مربوط به RNA، پروتئین، اپی‌ژنتیک و سایر لایه‌های مولکولی را در کنار یکدیگر بررسی کند.

 

آینده Single Cell RNA Sequencing

تکنولوژی‌های Single Cell به‌سرعت در حال توسعه هستند.

یکی از مسیرهای مهم آینده، ترکیب scRNA-seq با روش‌های دیگر مانند:

• – Single Cell ATAC-seq
• – Single Cell Proteomics
• – Spatial Transcriptomics
• – Single Cell Epigenomics
• – Single Cell Multi-omics

است.

همچنین روش‌های Long-read sequencing می‌توانند امکان بررسی بهتر Isoformها و ساختار کامل‌تر RNAها را فراهم کنند. توسعه این فناوری‌ها می‌تواند محدودیت‌های مربوط به پوشش ترنسکریپت‌ها و شناسایی انواع مختلف RNA را کاهش دهد.

از سوی دیگر، Spatial Transcriptomics تلاش می‌کند اطلاعات بیان ژن را در کنار موقعیت مکانی سلول‌ها در بافت بررسی کند؛ موضوعی که در scRNA-seq کلاسیک به دلیل جدا شدن سلول‌ها از بافت از دست می‌رود.

 

جمع‌بندی؛ چرا scRNA-seq اهمیت دارد؟

Single Cell RNA Sequencing یکی از تکنیک‌های مهم و پیشرفته در زیست‌شناسی مولکولی مدرن است که امکان بررسی بیان ژن در سطح تک‌سلول را فراهم می‌کند.

در روش‌های سنتی‌تر، اطلاعات مربوط به سلول‌های مختلف با یکدیگر ترکیب می‌شوند و در نتیجه تفاوت‌های میان سلول‌ها ممکن است پنهان بماند. scRNA-seq با تفکیک این اطلاعات، امکان مطالعه دقیق‌تر Cellular Heterogeneity، انواع سلولی، زیرجمعیت‌های نادر، تغییرات وضعیت سلول و مسیرهای تمایز را فراهم می‌کند.

البته استفاده صحیح از این تکنولوژی نیازمند طراحی مناسب آزمایش، نمونه‌گیری و آماده‌سازی دقیق، کنترل کیفیت داده‌ها و تحلیل بیوانفورماتیکی مناسب است.

با پیشرفت تکنولوژی‌های Single Cell و حرکت به سمت Multi-omics و Spatial Transcriptomics، انتظار می‌رود این حوزه نقش پررنگ‌تری در تحقیقات بنیادی، تشخیص بیماری‌ها، سرطان‌شناسی و توسعه درمان‌های دقیق‌تر داشته باشد.

 

دوره های آموزشی بیونوین

 

سوالات متداول درباره Single Cell RNA Sequencing

Single Cell RNA Sequencing چیست؟

Single Cell RNA Sequencing یا scRNA-seq تکنیکی برای بررسی RNA و الگوی بیان ژن در سلول‌های منفرد است که امکان مطالعه ناهمگونی سلولی را فراهم می‌کند.

 

تفاوت scRNA-seq و RNA-seq معمولی چیست؟

در RNA-seq معمولی معمولاً RNA مجموعه‌ای از سلول‌ها بررسی می‌شود و نتیجه میانگینی از بیان ژن‌هاست؛ اما scRNA-seq امکان بررسی الگوی بیان ژن در تک‌تک سلول‌ها را فراهم می‌کند.

 

آیا برای انجام scRNA-seq به بیوانفورماتیک نیاز است؟

بله. داده‌های scRNA-seq بسیار حجیم هستند و تحلیل آن‌ها معمولاً به ابزارهای بیوانفورماتیکی و روش‌های آماری نیاز دارد.

 

UMI در Single Cell RNA-seq چیست؟

UMI یا Unique Molecular Identifier یک شناسه مولکولی منحصربه‌فرد است که برای شناسایی مولکول‌های RNA اولیه و کاهش اثر Bias ناشی از PCR amplification استفاده می‌شود.

 

مهم‌ترین کاربرد scRNA-seq چیست؟

شناسایی ناهمگونی سلولی، تعیین انواع و زیرجمعیت‌های سلولی، مطالعه سرطان، سیستم ایمنی، سلول‌های بنیادی، تمایز سلولی و زیست‌شناسی تکوینی از مهم‌ترین کاربردهای این تکنولوژی هستند.

 

آیا Single Cell RNA Sequencing محدودیت دارد؟

بله. هزینه بالا، حساسیت محدود، Dropout، Doublet، اثر آماده‌سازی نمونه و نیاز به تحلیل پیچیده بیوانفورماتیکی از مهم‌ترین چالش‌های این روش هستند.