Transkriptomik av enstaka celler

Single -cell transcriptomics är ett  område av biologisk forskning där metoder för kvantitativ analys av genuttryck i enskilda celler fungerar som huvudverktyget . Studiet av transkriptomet av enskilda celler gör det möjligt att lösa problemet med "genomsnittliga" data som erhållits från analysen av totalt RNA isolerat från ett prov [1] . Enkelcells RNA-sekvensering har gjort det möjligt att analysera cellulär mångfald i cellpopulationer som tidigare ansågs homogena, till exempel har nya data erhållits inom områdena immunologisk , embryologisk och onkologisk forskning [2] [3] [4] . Utvecklingen av teknologier sedan 2009, när transkriptomsekvenseringen av enstaka celler först utfördes, till vår tid har gjort det möjligt att öka experimentets prestanda från enheter till hundratusentals celler, vilket avsevärt ökade noggrannheten hos de erhållna uppgifterna [5] .

Encellstranskriptomanalysteknik med användning av kvantitativ PCR

Kvantitativ PCR används för att analysera transkriptomet av enstaka celler mer sällan än sekvensering. Experimentet kräver isolering av enstaka celler, deras lysering , omvänd transkription av RNA. Denna metod är ganska känslig, den kan användas på mikrofluidisk teknik, men den tillåter inte att studera hela transkriptomet, utan bara för att detektera antalet specifika transkript som prober eller primrar matchas till . Samtidigt bestäms uttrycksnivån för de studerade generna inte absolut, utan i förhållande till referensgenen [ 10] [11] .

Kvantitativ PCR kan också användas för att validera RNA-sekvenseringsdata [12] [13] .

Encellig RNA-sekvenseringsteknologi

Den allmänna algoritmen för RNA-sekvensering av enstaka celler inkluderar 8 på varandra följande steg [9] :

  1. Isolering av enstaka celler;
  2. Lysering av enstaka celler;
  3. Isolering av RNA-fraktionen av intresse med användning av speciella primers;
  4. Syntes av cDNA med användning av omvänd transkription ;
  5. cDNA- amplifiering;
  6. cDNA - biblioteksberedning ;
  7. Sekvensering ;
  8. Bioinformatik bearbetning av erhållna läsningar och dataanalys .

Olika metoder för att förbereda bibliotek för encells-RNA-sekvensering skiljer sig åt i deras specificitet, noggrannhet, kostnad och andra parametrar. Till exempel är Smart-seq2 mycket känslig, medan Drop-seq och andra mikrofluidteknologier som använder mikropartiklar har mycket hög genomströmning [14] [9] .

Isolering av enskilda celler

Innan celler separeras är det nödvändigt att avbryta kontakterna mellan dem och bli av med den intercellulära substansen. Detta kan uppnås genom jäsning av ett vävnadsprov , såväl som genom specifika manipulationer, såsom till exempel laserinfångningsmikrodissektion [6] , som gör att du kan isolera celler från ett fast vävnadsprov med hjälp av en laser . Efter att ha mottagit cellsuspensionen separeras cellerna med olika metoder [7] .

Celllys och RNA-isolering

Celler lyseras vanligtvis kemiskt genom att placera dem i en lysbuffert . Lyseringsbuffertar kan skilja sig åt i kvaliteten på bevarandet av cellinnehåll och effektiviteten av ytterligare procedurer som utförs med lysatet [16] . De optimala protokollen för lysering av enstaka eukaryota och prokaryota celler är också olika, eftersom det krävs för att förstöra de massiva och ofta täckta med skyddande membranen av cellväggen hos prokaryoter, samtidigt som det inte skadar det utsöndrade materialet [17] .

Isolering av RNA under provberedningen sker inte som ett separat tekniskt steg, utan erhålls genom användning av speciella primers för att initiera omvänd transkription [1] .

Erhåller cDNA

Efter isolering av RNA är det nödvändigt att erhålla komplementärt DNA (cDNA) från det genom att använda omvänd transkription [6] . Den första strängens cDNA syntetiseras med hjälp av en specialdesignad version av M-MuLV murint leukemivirus omvänt transkriptas [ 18] . För att initiera syntesen används primrar som har streckkoder i sin sekvens , ibland unika molekylära identifierare , och sekvenser som gör att vi kan välja den RNA-fraktion av intresse för oss. Vanligtvis behöver du bli av med rRNA och tRNA , som utgör upp till 95 % av cellens isolerade totala RNA. Detta kan uppnås med användning av primers med en poly(dT ) -region , som gör att den polyadenylerade fraktionen kan isoleras. Men i det här fallet går icke-polyadenylerat RNA (långa icke-kodande RNA och andra) förlorat, därför läggs flera (5–6) slumpmässiga nukleotider till i primern i ett antal protokoll, till exempel SUPeR-seq. sekvens efter poly(dT)-regionen .

Syntes av den andra strängens cDNA utförs på olika sätt. Metoden för att ändra matrisen ( eng.  template switching ) används ofta , till exempel i STRT-, Smart-seq och Smart-seq2-teknologier. Den är baserad på egenskapen hos M-MuLV-revertas att lägga till icke-templat- cytosinrester till 3'-änden av den syntetiserade strängen . Följaktligen gör detta det möjligt att syntetisera den andra strängen med poly(dG)-primers [18] .

Streckkoder och unika molekylära identifierare

High-throughput sekvenseringsteknologi involverar gemensam sekvensering av bibliotek erhållna från olika celler. Därför används unika cellulära streckkoder [7] [9] för att skilja mellan transkript som kommer från varje särskild cell . I experiment med differentiellt uttryck används förutom streckkoder så kallade unika molekylära identifierare ( UMIs ) . UMI är en sekvens av 4-8 slumpmässiga nukleotider (till exempel ger 5 nukleotider 45 = 1024 unika sekvenser). Kombinationen av UMI och cellulär streckkod är statistiskt unik för varje transkript, vilket gör det möjligt att jämföra genuttrycksnivåer med antalet UMI "kopplade" till transkript av en viss typ. Streckkoder och unika molekylära identifierare introduceras i provet vid omvänd transkription, eftersom de är en del av primern för syntesen av den första strängen av cDNA [7] .  

cDNA-amplifiering

Ett antal teknologier, såsom MARS-seq, CEL-seq och CEL-seq2, använder in vitro - transkription ( IVT ) för cDNA-amplifiering [6] .  Denna metod är baserad på transkriptionen av cDNA av T7 fagpolymeras och upprepningen av det omvända transkriptionssteget. För in vitro- transkription införs T7 -promotom i poly(dT)-primern . Ökningen av mängden cDNA i detta fall sker linjärt [6] .

Amplifiering av cDNA kan också utföras med användning av polymeraskedjereaktion (PCR), till exempel i Drop-seq, SCRB-seq, SMART-seq och SMART-seq2. Denna metod introducerar dock ofta förvrängningar i förhållande till antalet avskrifter. Dessa snedvridningar kan bekämpas genom att använda unika molekylära identifierare [7] .

Särskilda metoder används också för att arbeta med prokaryota celler, såsom rolling ring amplifiering [17] .

Förberedelse och sekvensering av genomiskt bibliotek

Beroende på bibliotekets beredningsmetod sekvenseras transkript i full längd, eller en fraktion berikad med 3'- eller 5'-fragment [6] [7] . Anrikning med fullängdstranskript (SMART-seq, SMART-seq2-teknologier) krävs när man studerar alternativ splitsning och enkelnukleotidpolymorfismer , samtidigt som sekvensering av 3'-fragment (CEL-seq, CEL-seq2, MARS-seq-teknologier) och 5 '-fragment (teknologi STRT) är lämpliga för att detektera differentiellt uttryck. Dessa metoder använder vanligtvis unika molekylära identifierare. Förberedda bibliotek bearbetas av nästa generations sekvensering (NGS), ofta med sekvensering på Illumina- plattformen . De erhållna "rå" avläsningarna bearbetas med bioinformatiska metoder [7] .

Dataanalys

Den primära uppgiften i den bioinformatiska analysen av resultaten av encells-RNA-sekvensering är att erhålla en matris av genuttryck från sekvensavläsningar. Efter att ha erhållit en sådan matris sker flera analysriktningar [7] :

  1. Analys på cellulär nivå: klustring, klassificering och definition av cellulära banor;
  2. Analys på gennivå: identifiering av differentiellt uttryckta gener, regulatoriska nätverk.

Att erhålla en genuttrycksmatris

Standardprotokollet för bearbetning av läsningar som erhålls under sekvensering inkluderar flera steg (inom parentes är de program som används vid varje steg) [19] :

  1. Läs kvalitetskontroll ( FastQC , Kraken );
  2. Kartläggning av avläsningar till referensgenomet ( TopHat2 [20] , HISAT [21] och andra);
  3. Beräkning av antalet transkript av de studerade generna för var och en av cellerna (med användning av täckningsegenskaperna för FPKM/TPM eller antalet unika molekylära identifierare);
  4. Om nödvändigt (till exempel om två uppsättningar data erhölls på olika platser och av olika forskare) - korrigering av ett systematiskt fel ( kBET [22] );
  5. Om ett protokoll utan unika molekylära identifierare användes krävs matrisnormalisering ( SCnorm [23] , SAMstrt [24] );
  6. Återställning av saknade data ( imputation ) ( MAGIC [25] , Autoimput [26] ).
Läs kvalitetskontroll

Kartläggning ger kontroll över kvaliteten på läsningen av transkriptomet av varje cell, celler med låg läskvalitet utesluts från ytterligare analys [27] . Olika mätvärden kan användas för kvalitetskontroll:

  • antalet läsningar per cell;
  • antalet gener hittade;
  • förhållandet mellan antalet avläsningar och antalet mitokondriella RNA-avläsningar (ett högt förhållande kan innebära läckage av cytoplasmatiskt RNA eller apoptos i cellen);
  • kalibrering av antalet avläsningar till RNA, vars antal och sekvens är känd RNA spike-in ;
  • användning av UMI (Unique Molecular Identifiers).
Databehandling med UMI och cellulära streckkoder

Följande steg utförs sekventiellt [28] :

  1. Omvänd transkription utförs, UMI och cellstreckkoder finns på primern och är en del av cDNA;
  2. Avläsningar sorteras efter UMI och cellstreckkoder, PCR-dubbletter tas bort: läser med samma cellstreckkod och UMI;
  3. För varje cell konstrueras en matris som kännetecknar antalet läsningar (varje återstående läsning har en unik kombination av "cellulär streckkod + UMI") av varje hittad gen.

Analys på cellulär nivå

Clustering

För att identifiera cellsubpopulationer är celler vanligtvis klustrade enligt likheten mellan deras genuttrycksprofiler [29] . Denna klustring kan göras på många sätt: k-medel [30] , närmaste granne graf [31] , hierarkisk klustring [32] och några andra. Trots överflöd av tillvägagångssätt uppnås inte alltid klustring: datastrukturen kan döljas bakom tekniskt brus eller systematiska fel [33] [34] ; även analysen hindras av dimensionalitetens förbannelse . För att jämna ut dessa effekter reduceras dimensionen av transkriptomutrymmet, vars element är celler, [29] .

Dimensionsminskning

När man utför formella matematiska klassificeringsoperationer, sökning efter korrelationer, antas det att varje cell är en vektor i n-dimensionellt utrymme , där n motsvarar antalet analyserade gener och cellkoordinater är uttrycksnivåerna för motsvarande gener i den. [35] . Som redan nämnts kan dimensionsreduktion hjälpa till att återställa datastrukturen och minska brus, och därför är det meningsfullt att reducera dimensionen av uttrycksvektorer (med huvudkomponentmetoden [36] , t -SNE [37] , flerdimensionell skalning [38] , UMAP [39] och andra).

Differentiellt uttryck av gener

En viktig uppgift är att söka efter differentiellt uttryckta gener, det vill säga de gener som är statistiskt signifikant uttryckta i olika grupper av celler med olika styrka. Sådana gener karakteriserar ofta egenskaperna hos de betraktade cellerna och är deras markörer [19] . Först användes verktyg utformade för att arbeta med vävnads- och organtranskriptomik för att identifiera differentiellt uttryck ; Nu finns det ett antal metoder ( MAST [40] , SCDE [41] ) utformade för att söka efter differentiellt uttryck i sekvenseringsdata för enskilda celler.

Analys på gennivå

Genreglerande nätverk

Det genreglerande nätverket  är en uppsättning molekylära regulatorer som interagerar med varandra och andra ämnen i cellen och reglerar uttrycksnivåer [42] . Dessa regulatorer spelar en central roll i morfogenesen av kroppsdelar och organ i levande organismer och är ett av de centrala studieämnena inom evolutionär utvecklingsbiologi . Det genreglerande nätverket kan representeras som en graf där hörnen  är generna och kanterna  är deras samreglering. Det finns metoder som bestämmer regulatoriska nätverk genom att söka efter korrelationer mellan genuttryck, men detta tillvägagångssätt tillåter inte detektering av icke-linjära interaktioner, så nu finns det metoder baserade på maskininlärning [43] , probabilistiska modeller [44] och informationsteori [ 45] .

Sök efter celldifferentieringsbanor

Celler befinner sig ständigt i dynamiska processer och reagerar på olika miljöpåverkan. Dessa processer åtföljs av en förändring i cellens transkriptionsprofil. Själva miljön för experimentet med RNA-sekvensering av enstaka celler gör det möjligt att fånga celler i deras olika differentieringsstadier . När ett tillräckligt stort antal mellanstadier sekvenseras är det möjligt att spåra celldifferentieringsvägen i transkriptomrummet under "pseudotid" [46] . Denna verktygslåda hjälper till att studera mekanismerna för ontogeni i synnerhet och bildandet av skillnader i allmänhet. Nu finns det många olika tillvägagångssätt för rekonstruktionen av sådana banor [47] .

Applikation

Stamcellsdifferentieringsforskning

Skillnader mellan enskilda celler är en grundläggande egenskap hos stamcellspopulationer , men dessa skillnader suddas ut av konventionell cellensembleanalys. Enkelcells RNA-sekvensering gör det möjligt att detektera dessa skillnader och detektera olika stamcellsfenotyper även inom en "homogen" population [5] .

Till exempel fann man signifikanta skillnader mellan långlivade och kortlivade hematopoetiska stamceller från mus, och det fastställdes att gener som är ansvariga för cellcykeln gör det huvudsakliga bidraget till dessa skillnader [48] [49] . Enkelcells RNA-sekvensering har använts för att studera muslungor [ 50] och gjort det möjligt att hitta tidigare okända markörer specifika för olika cellsubtyper. Olika typer av neurala stamceller och deras utvecklingsbanor har också studerats [51] . En annan studie jämförde stadierna av neurala stamceller hos friska möss och möss med cerebral ischemi [52] .

Embryogenesstudier

Processen för embryonal utveckling kan ses som en övergång från nivån av enskilda celler till nivån av organismen. För att studera de tidiga stadierna av embryonal utveckling behövs metoder som kan fungera med ett litet antal tillgängliga celler. Med hjälp av encellig RNA-sekvensering har en allmän analys av den tidiga utvecklingen av däggdjur gjorts [53] [54] [55] . Genuttrycksprofiler erhölls för mänskliga och musceller under pre-implantationsutvecklingen [56] [57] , såväl som för primära mänskliga könsceller under övergången från migrationsstadiet till gonadstadiet [58] . Förändringar i genuttryck under moderns-zygotiska övergången [59] [60] (processen att ersätta moderns mRNA med embryot med sina egna) studerades i embryonala musceller. Det har visat sig att i musembryot sker aktiveringen av det zygotiska genomet i 4-cellsstadiet, medan det hos människor sker mellan 4- och 8-cellsstadierna [57] . För nematoden Caenorhabditis elegans sammanställdes en molekylär atlas över dess embryonala utveckling med cellupplösning [61] .

Vävnadsanalys

Studiet av transkriptomet av alla vävnadsceller gör det möjligt att lära sig mer om hierarkin av cellinjer med hög noggrannhet. Parallella studier av transkriptomik av individuella mjältceller utan föregående urval av celler baserat på förvalda cellmarkörer, i kombination med hierarkisk klustring , gjorde det möjligt att rekonstruera den allmänna strukturen av relationerna mellan mjältcellinjer [62] .

Cancerforskning

Vävnaden i en malign tumör består vanligtvis av flera populationer av celler som skiljer sig från varandra funktionellt och fenotypiskt. Enligt moderna koncept kan processen för tumörutveckling inte bara baseras på den klonala utvecklingen av muterade celler i den ursprungliga vävnaden, utan också på den hierarkiska differentieringen av de så kallade cancerstamcellerna (CSC). Enligt CSC-konceptet utvecklas vilken malign neoplasm som helst från en enda prekursorcell i CSC-populationen, och tumören är hierarkiskt ordnad, det vill säga olika typer av cancerceller har olika förmåga att dela sig [63] . Encellig RNA-sekvensering gör det möjligt att identifiera individuella CSCs, samt att analysera olika populationer av celler som finns i samma tumör [63] .

Således analyserades nyligen transkriptomprofiler av hundratals individuella tumörceller från fem patienter med glioblastom , vilket gjorde det möjligt att avslöja det differentiella uttrycket av gener associerade med onkogen signalering, proliferation , komplement och immunsvar och hypoxi . Celler med fenotyper som ligger mellan mesenkymala och epiteliala har också hittats, oförenliga med den klassiska epitelial-mesenkymala övergångsmodellen med två diskreta celltillstånd. Dessutom erhölls en uppsättning "stamness"-gener, och celler distribuerades också längs en kontinuerlig snarare än en diskret skala av uttrycksnivåer av dessa gener, vilket återspeglar den komplexa naturen hos stamcellssystemet i tumören [64] .

För närvarande finns det flera modeller av metastaser , såsom sen spridning, tidig sådd och självsådd, men det är fortfarande svårt att förklara metastaser i de flesta cancerformer hos människor med dem. Svårigheterna ligger både i den ovan nämnda heterogeniteten av celler i själva tumören, och i komplexiteten i analysen av nyckelämnen för metastaser - cirkulerande tumörceller (CTC): dessa celler är extremt sällsynta i blodet (en av en miljon) [65] .

En nyligen genomförd studie med encellig RNA-sekvensering kunde dock identifiera tre distinkta genetiska signaturer i CTCs associerade med metastaser hos patienter med melanom [66] . En annan studie undersökte spridningen av enstaka cirkulerande tumörceller och deras kluster i metastaserad human bröstcancer , inklusive användning av musmodeller. Det har visat sig att kluster har en ökad metastatisk potential jämfört med individuella CTC, och att placoglobin reglerar bildandet av sådana kluster [67] . En studie av individuella CTC från metastaserande pankreascancer har visat att dessa celler uttrycker specifika inre extracellulära matrisproteiner [68] . Sådana resultat möjliggör bättre förståelse av funktionen hos CSC och de genetiska sambanden mellan cellerna i den ursprungliga tumören och metastaser.

Ett separat ämne för onkologisk forskning är tumörcellers förvärv av resistens mot kemoterapi . Denna process är också fortfarande dåligt förstådd för de flesta cancerformer hos människor. En nyligen genomförd studie analyserade transkriptomprofilerna för flera hundra enskilda celler i en lungadenokarcinomcellinje och identifierade nya signalvägar associerade med resistens mot vissa komponenter i kemoterapi [69] . En studie av prostatacancer CTC har avslöjat aktivering av en icke-kanonisk Wnt-signalväg som bidrar till resistens mot antiandrogenbaserade läkemedel [70] .

Forskning om alternativ skarvning

De flesta eukaryota gener är föremål för alternativ splitsning, ett fenomen som gör att exoner av en gen kan kombineras i olika kombinationer, som ett resultat av vilket det blir möjligt att producera olika transkript från en gen och följaktligen olika proteiner med potentiellt olika funktioner. Trots det faktum att vissa encelliga RNA-sekvenseringsmetoder (t.ex. SMART-Seq) har nära till fullständig transkriptomtäckning , är analys av alternativa isoformer svår på grund av metodernas tidigare listade begränsningar. Till exempel kan transkript som finns i små mängder inte detekteras på grund av att de inte går att skilja från biologiskt brus. Men modeller utvecklas redan som tar hänsyn till distributionen av transkript i en poolad uppsättning av individuellt sekvenserade celler [71] [72] . De kommer att möjliggöra mer exakt förutsägelse av antalet olika isoformer i enskilda celler [71] .

Immunologi

Encells-RNA-sekvensering kan användas för att effektivt analysera immunsvaret hos celler i samma population under olika förhållanden. I en nyligen genomförd studie studerades alltså dynamiken i interaktionen av Salmonella- makrofager med värdceller med olika modifieringar av lipopolysackarider (huvudkomponenten i cellväggen) [73] . En annan studie undersökte svaret på lipopolysackarider från musbenmärgsdendritiska celler [74] .

Se även

Anteckningar

  1. ↑ 1 2 Haque Ashraful , Engel Jessica , Teichmann Sarah A. , Lönnberg Tapio. En praktisk guide till encellig RNA-sekvensering för biomedicinsk forskning och kliniska tillämpningar  //  Genome Medicine. - 2017. - 18 augusti ( vol. 9 , nr 1 ). - ISSN 1756-994X . - doi : 10.1186/s13073-017-0467-4 .
  2. ↑ Herr Amy E. , Kitamori Takehiko , Landegren Ulf , Kamali-Moghaddam Masood. Nästa vågframsteg inom encellsanalyser  //  The Analyst. - 2019. - Vol. 144 , nr. 3 . - s. 735-737 . — ISSN 0003-2654 . doi : 10.1039 / c9an90011j .
  3. ↑ Chen Haide , Ye Fang , Guo Guoji. Revolutionerande immunologi med encellig RNA-sekvensering  //  Cellular & Molecular Immunology. - 2019. - 22 februari ( vol. 16 , nr 3 ). - S. 242-249 . — ISSN 1672-7681 . - doi : 10.1038/s41423-019-0214-4 .
  4. ↑ Kumar Pavithra , Tan Yuqi , Cahan Patrick. Förstå utveckling och stamceller med hjälp av singelcellsbaserade analyser av genuttryck   // Utveckling . - 2017. - 1 januari ( vol. 144 , nr 1 ). - S. 17-32 . — ISSN 0950-1991 . - doi : 10.1242/dev.133058 .
  5. ↑ 1 2 3 Svensson Valentine , Vento-Tormo Roser , Teichmann Sarah A. Exponentiell skalning av single-cell RNA-seq under det senaste decenniet  //  Nature Protocols. - 2018. - 1 mars ( vol. 13 , nr 4 ). - s. 599-604 . — ISSN 1754-2189 . - doi : 10.1038/nprot.2017.149 .
  6. ↑ 1 2 3 4 5 6 Hedlund Eva , Deng Qiaolin. Encellig RNA-sekvensering: Tekniska framsteg och biologiska tillämpningar  //  Molecular Aspects of Medicine. - 2018. - Februari ( vol. 59 ). - S. 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. Encellig RNA-sekvenseringsteknologi och bioinformatikpipelines  //  Experimentell och molekylär medicin. - 2018. - Augusti ( vol. 50 , nr 8 ). — 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. - Maj ( vol. 58 , nr 4 ). - 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. Jämförande analys av droppbaserade encelliga RNA-Seq-system med ultrahög genomströmning  //  Molecular Cell. - 2019. - Januari ( vol. 73 , nr 1 ). - S. 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 High-throughput microfluidic single-cell RT-qPCR  //  Proceedings of the National Academy of Vetenskaper. - 2011. - 1 augusti ( vol. 108 , nr 34 ). - 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. Microfluidic single-cell realtids-PCR för jämförande analys av genuttrycksmönster  //  Nature Protocols. - 2012. - 5 april ( vol. 7 , nr 5 ). - 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. Benchmarking av arbetsflöden för RNA-sekvensanalys med hjälp av heltranskriptom RT-qPCR-uttrycksdata  //  Vetenskapliga rapporter. - 2017. - 8 maj ( vol. 7 , nr 1 ). — 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. Karakterisering av kaninlimbala epitelial sidopopulationsceller med hjälp av RNA-sekvensering och enkelcells qRT-PCR  //  Biokemiska och biofysiska forskningskommunikationer. - 2016. - Maj ( vol. 473 , nr 3 ). - s. 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. Jämförande analys av encellig RNA-sekvenseringsmetoder  //  Molecular Cell. - 2017. - Februari ( vol. 65 , nr 4 ). - 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. Nya framsteg inom encellsmanipulation och biokemisk analys av mikrofluidik  //  The Analyst. - 2019. - Vol. 144 , nr. 3 . - s. 766-781 . — ISSN 0003-2654 . - doi : 10.1039/c8an01186a .
  16. ↑ Svec David , Andersson Daniel , Pekny Milos , Sjöback Robert , Kubista Mikael , Ståhlberg Anders. Direkt celllys för encellig genuttrycksprofilering  //  Frontiers in Oncology. - 2013. - Vol. 3 . — ISSN 2234-943X . — doi : 10.3389/fonc.2013.00274 .
  17. ↑ 1 2 Zhang Yi , Gao Jiaxin , Huang Yanyi , Wang Jianbin. Senaste utvecklingen i encellig RNA-sekvens av mikroorganismer  //  Biophysical Journal. - 2018. - Juli ( vol. 115 , nr 2 ). - S. 173-180 . — ISSN 0006-3495 . - doi : 10.1016/j.bpj.2018.06.008 .
  18. ↑ 1 2 Zajac Pawel , Islam Saiful , Hochgerner Hannah , Lönnerberg Peter , Linnarsson Sten. Baspreferenser i icke-templaterad nukleotidinkorporering av MMLV-härledda omvända transkriptaser  //  PLoS ONE. - 2013. - 31 december ( vol. 8 , nr 12 ). — P.e85270 . — ISSN 1932-6203 . - doi : 10.1371/journal.pone.0085270 .
  19. ↑ 1 2 Chen Geng , Ning Baitang , Shi Tieliu. Single-Cell RNA-Seq Technologies and Related Computational Data Analysis  //  Frontiers in Genetics. - 2019. - 5 april ( vol. 10 ). - ISSN 1664-8021 . - doi : 10.3389/fgene.2019.00317 .
  20. ↑ Kim Daehwan , Pertea Geo , Trapnell Cole , Pimentel Harold , Kelley Ryan , Salzberg Steven L. TopHat2: exakt anpassning av transkriptomer i närvaro av insertioner, deletioner och genfusioner  //  Genome Biology. - 2013. - Vol. 14 , nr. 4 . — P.R36 . — ISSN 1465-6906 . - doi : 10.1186/gb-2013-14-4-r36 .
  21. ↑ Kim Daehwan , Langmead Ben , Salzberg Steven L. HISAT: en snabb skarvad aligner med låga minneskrav  //  Nature Methods. - 2015. - 9 mars ( vol. 12 , nr 4 ). - s. 357-360 . — ISSN 1548-7091 . - doi : 10.1038/nmeth.3317 .
  22. ↑ Büttner Maren , Miao Zhichao , Wolf F. Alexander , Teichmann Sarah A. , Theis Fabian J. Ett testmått för att bedöma encells-RNA-seq batchkorrigering  //  Nature Methods. - 2018. - 20 december ( vol. 16 , nr 1 ). - S. 43-49 . — 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: robust normalisering av encellig RNA-sekvensdata  //  Nature Methods. - 2017. - 17 april ( vol. 14 , nr 6 ). - s. 584-586 . — ISSN 1548-7091 . - doi : 10.1038/nmeth.4263 .
  24. ↑ Katayama Shintaro , Töhönen Virpi , Linnarsson Sten , Kere Juha. SAMstrt: statistiskt test för differentiellt uttryck i encellstranskriptom med spike-in normalisering   // Bioinformatik . - 2013. - 31 augusti ( vol. 29 , nr 22 ). - P. 2943-2945 . — ISSN 1460-2059 . - doi : 10.1093/bioinformatics/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 Linas , Wolfwamy Kritashna , Wolfs Guy Kriita , Pe'er Dana. Återställa geninteraktioner från encellsdata med hjälp av datadiffusion   // Cell . - 2018. - Juli ( vol. 174 , nr 3 ). — S. 716-729.e27 . — ISSN 0092-8674 . - doi : 10.1016/j.cell.2018.05.061 .
  26. ↑ Talwar Divyanshu , Mongia Aanchal , Sengupta Debarka , Majumdar Angshul. AutoImpute: Autokodarbaserad imputering av encellig RNA-sekvensdata  //  Vetenskapliga rapporter. - 2018. - 5 november ( vol. 8 , nr 1 ). — 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.  (engelska)  // FEBS Letters. - 2017. - Augusti ( vol. 591 , nr 15 ). - 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. Jämförande analys av droppbaserade encelliga RNA-Seq-system med ultrahög genomströmning .  (engelska)  // Molecular Cell. - 2019. - 3 januari ( vol. 73 , nr 1 ). - S. 130-142 . - 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. Snabb och noggrann encells RNA-sekvensanalys genom klustring av transkriptkompatibilitetsräkningar  //  Genome Biology. - 2016. - 26 maj ( vol. 17 , nr 1 ). — ISSN 1474-760X . - doi : 10.1186/s13059-016-0970-8 .
  30. ↑ Satija Rahul , Farrell Jeffrey A , Gennert David , Schier Alexander F , Regev Aviv. Rumslig rekonstruktion av encellsgenexpressionsdata  //  Nature Biotechnology. - 2015. - 13 april ( vol. 33 , nr 5 ). - S. 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: analys av encells RNA-sekvensdata med användning av k-NN  grafpartitioner . - 2018. - 8 oktober. - doi : 10.1101/437665 .
  32. ↑ Zhang Jesse M. , Fan Jue , Fan H. Christina , Rosenfeld David , Tse David N. En tolkningsbar ram för klustring av single-cell RNA-Seq datasets  //  BMC Bioinformatics. - 2018. - 9 mars ( vol. 19 , nr 1 ). — 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. Batcheffekter och effektiv design av encellsgenexpressionsstudier  (engelska)  // Scientific Reports. - 2017. - 3 januari ( vol. 7 , nr 1 ). — ISSN 2045-2322 . - doi : 10.1038/srep39921 .
  34. ↑ Hicks Stephanie C , Townes F. William , Teng Mingxiang , Irizarry Rafael A. Saknade data och teknisk variation i Single-Cell RNA-Sequencing Experiment  . - 2015. - 25 augusti. - 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. , Zinovyev Andrei , Buenrostro Jason D. , Yuan Guo-Cheng , Pinello Luca. Encelliga banor rekonstruktion, utforskning och kartläggning av omics-data med STREAM  //  Nature Communications. - 2019. - 23 april ( vol. 10 , nr 1 ). — ISSN 2041-1723 . - doi : 10.1038/s41467-019-09670-4 .
  36. ↑ Lall Snehalika , Sinha Debajyoti , Bandyopadhyay Sanghamitra , Sengupta Debarka. Strukturmedveten huvudkomponentanalys för encellig RNA-sekvensdata  //  Journal of Computational Biology. - 2018. - December ( vol. 25 , nr 12 ). - P. 1365-1373 . — ISSN 1557-8666 . - doi : 10.1089/cmb.2018.0027 .
  37. ↑ Kobak Dmitry , Berens Philipp. Konsten att använda t-SNE för encellig transkriptomik  . - 2018. - 25 oktober. - doi : 10.1101/453449 .
  38. ↑ Wang Bo , Zhu Junjie , Pierson Emma , ​​​​Ramazzotti Daniele , Batzoglou Serafim. Visualisering och analys av encellig RNA-seq-data genom kärnbaserad  likhetsinlärning . - 2016. - 9 maj. - 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. Dimensionalitetsreduktion för visualisering av encellsdata med hjälp av UMAP  //  Nature Biotechnology. - 2018. - 3 december ( vol. 37 , nr 1 ). - S. 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: ett flexibelt statistiskt ramverk för att bedöma transkriptionella förändringar och karakterisera heterogenitet i encellig RNA-sekvenseringsdata  //  Genome Biology. - 2015. - December ( vol. 16 , nr 1 ). — ISSN 1474-760X . - doi : 10.1186/s13059-015-0844-5 .
  41. ↑ Kharchenko Peter V , Silberstein Lev , Scadden David T. Bayesiansk syn på encellsdifferentiell uttrycksanalys  //  Nature Methods. - 2014. - 18 maj ( vol. 11 , nr 7 ). - s. 740-742 . — ISSN 1548-7091 . - doi : 10.1038/nmeth.2967 .
  42. ↑ Emmert-Streib Frank , Dehmer Matthias , Haibe-Kains Benjamin. Genreglerande nätverk och deras tillämpningar: förståelse av biologiska och medicinska problem i termer av nätverk  //  Frontiers in Cell and Developmental Biology. - 2014. - 19 augusti ( vol. 2 ). — ISSN 2296-634X . - doi : 10.3389/fcell.2014.00038 .
  43. ↑ Kotera Masaaki , Yamanishi Yoshihiro , Moriya Yuki , Kanehisa Minoru , Goto Susumu. GENIES: inferensmotor för gennätverk baserad på övervakad analys  //  Nucleic Acids Research. - 2012. - 14 juni ( vol. 40 , nr W1 ). - P.W162-W167 . — ISSN 0305-1048 . - doi : 10.1093/nar/gks459 .
  44. ↑ Shmulevich I. , Dougherty ER , Kim S. , Zhang W. Probabilistiska booleska nätverk: en regelbaserad osäkerhetsmodell för genreglerande nätverk   // Bioinformatik . - 2002. - 1 februari ( vol. 18 , nr 2 ). - s. 261-274 . — ISSN 1367-4803 . - doi : 10.1093/bioinformatics/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. Härleda genreglerande nätverk från genuttrycksdata genom vägkonsistensalgoritm baserad på villkorad ömsesidig information   // Bioinformatik . - 2011. - 15 november ( vol. 28 , nr 1 ). - S. 98-104 . — ISSN 1460-2059 . - doi : 10.1093/bioinformatics/btr626 .
  46. ↑ Griffiths Jonathan A , Scialdone Antonio , Marioni John C. Använda encellig genomik för att förstå utvecklingsprocesser och cellödebeslut  //  Molecular Systems Biology. - 2018. - April ( vol. 14 , nr 4 ). — ISSN 1744-4292 . - doi : 10.15252/msb.20178046 .
  47. ↑ Saelens Wouter , Cannoodt Robrecht , Todorov Helena , Saeys Yvan. En jämförelse av enkelcellsbana inferensmetoder  (engelska)  // Nature Biotechnology. - 2019. - 1 april ( vol. 37 , nr 5 ). - S. 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. Encellig RNA-seq avslöjar förändringar i cellcykeln och differentieringsprogram vid åldrande av hematopoetiska stamceller  //  Genome Research. - 2015. - 1 oktober ( vol. 25 , nr 12 ). - 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. Encellig transkriptomisk rekonstruktion avslöjar cellcykel- och differentieringsdefekter med flera linjer i Bcl11a-bristiga hematopoetiska stamceller  //  Genome Biology. - 2015. - 21 september ( vol. 16 , nr 1 ). — 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. Reconstructing lineage hierarchies of the distal lung epitel med encellig RNA-seq   // Nature . - 2014. - 13 april ( vol. 509 , nr 7500 ). - s. 371-375 . — ISSN 0028-0836 . - doi : 10.1038/nature13173 .
  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. Encellig RNA-Seq med vattenfall avslöjar molekylära kaskader bakom vuxna neurogenes  //  Cellstamcell. - 2015. - September ( vol. 17 , nr 3 ). - s. 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. Encellig transkriptomik avslöjar en population av vilande neurala stamceller som aktiveras vid hjärnskada  //  Cellstamceller. - 2015. - September ( vol. 17 , nr 3 ). - s. 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   // Science . - 2014. - 9 januari ( vol. 343 , nr 6167 ). - S. 193-196 . — ISSN 0036-8075 . - doi : 10.1126/science.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 , Horvath Steve , Fan Guoping. Genetiska program i tidiga embryon från människor och mus avslöjade genom encellig RNA-sekvensering   // Nature . - 2013. - 28 juli ( vol. 500 , nr 7464 ). - s. 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. Spåra härledningen av embryonala stamceller från den inre cellmassan genom encellig RNA-Seq-analys  //  Cellstamcell. - 2010. - Maj ( vol. 6 , nr 5 ). - s. 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. Deterministisk och stokastisk allelspecifik genuttryck i enkla musblastomerer  //  PLoS ONE. - 2011. - 23 juni ( vol. 6 , nr 6 ). — 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 Lu , Li Kaiqiang , Qiao Jie , Tang Fuchou. Encellig RNA-Seq-profilering av mänskliga preimplantationsembryon och embryonala stamceller  //  Nature Structural & Molecular Biology. - 2013. - 11 augusti ( vol. 20 , nr 9 ). - 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 Yan , Zinhang Wenxin , Hou Yu , Zhu Ping , Li Jingyun , Zhang Ling , Liu Sirui , Ren Yixin , Zhu Xiaohui , Wen Lu , Gao Yi Qin , Tang Fuchou , Qiao Jie. Transkriptom- och DNA-metylomlandskapen hos mänskliga primordiala könsceller   // Cell . - 2015. - Juni ( vol. 161 , nr 6 ). - P. 1437-1452 . — ISSN 0092-8674 . - doi : 10.1016/j.cell.2015.05.015 .
  59. ↑ Biase Fernando H. , Cao Xiaoyi , Zhong Sheng. Cellödebenägenhet inom 2-cells- och 4-cells musembryon avslöjad genom encellig RNA-sekvensering  //  Genome Research. - 2014. - 5 augusti ( vol. 24 , nr 11 ). - 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. Dynamisk transkriptionssymmetribrytande i pre-implantation av däggdjurs embryoutveckling avslöjat av encellig RNA-seq  (engelska)  // Utveckling. - 2015. - 22 september ( vol. 142 , nr 20 ). - 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 lineage-resolved molecular atlas of C elegans embryogenes vid  encellsupplösning . - 2019. - 1 mars. - 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. Massivt parallella encelliga RNA-seq för markörfri nedbrytning av vävnader till celltyper.  (engelska)  // Science (New York, NY). - 2014. - 14 februari ( vol. 343 , nr 6172 ). - s. 776-779 . - doi : 10.1126/science.1247651 . — PMID 24531970 .
  63. ↑ 1 2 Fokus på cancerstamceller . 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 ML , Regsteinev A. , BE Single-cell RNA-seq belyser intratumoral heterogenitet i primärt glioblastom   // Science . - 2014. - 12 juni ( vol. 344 , nr 6190 ). - P. 1396-1401 . — ISSN 0036-8075 . - doi : 10.1126/science.1254257 .
  65. ↑ Miller MC, Doyle GV, Terstappen LW (2010). "Betydningen av cirkulerande tumörceller som upptäcks av CellSearch System hos patienter med metastaserad bröstkolorektal- och prostatacancer" . 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. Fullängds mRNA-Seq från singel -cellnivåer av RNA och individuella cirkulerande tumörceller.  (engelska)  // Nature Biotechnology. - 2012. - Augusti ( vol. 30 , nr 8 ). - s. 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. Cirkulerande tumörcellkluster är oligoklonala prekursorer till bröstcancermetastaser   // Cell . - 2014. - Augusti ( vol. 158 , nr 5 ). - 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 OC , 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 Encellig RNA-sekvensering identifierar extracellulärt matrixgenuttryck av pankreascirkulerande tumörceller.  (engelska)  // Cell Reports. - 2014. - 25 september ( vol. 8 , nr 6 ). - S. 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. Encellsanalys av lungadenokarcinomcellinjer avslöjar olika uttrycksmönster för individuella celler som åberopas av en molekylär målläkemedelsbehandling  //  Genome Biology. - 2015. - 3 april ( vol. 16 , nr 1 ). — 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 , Sequist MR LV , Smith Kapur R. , Wu C.-L. , Shioda T. , Ramaswamy S. , Ting DT , Toner M. , Maheswaran S. , Haber DA RNA-Seq av enstaka prostata-CTC implicerar icke-kanonisk Wnt-signalering i antiandrogenresistens   // Science . - 2015. - 17 september ( vol. 349 , nr 6254 ). - P. 1351-1356 . — ISSN 0036-8075 . - doi : 10.1126/science.aab0917 .
  71. ↑ 1 2 Welch Joshua D. , Hu Yin , Prins Jan F. Robust detektion av alternativ splitsning i en population av enstaka celler  //  Nucleic Acids Research. - 2016. - 5 januari ( vol. 44 , nr 8 ). - 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 Från transkriptomer från singelcell till cellpool: Stochasticity in gene expression and RNA splitsing  //  Genome Research. - 2013. - 3 december ( vol. 24 , nr 3 ). - s. 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 Patogen Cell-to-Cell Variability Drives Heterogeneity in Host Immunsvar.  (engelska)  // Cell. - 2015. - 10 september ( vol. 162 , nr 6 ). - 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 J. , Gennirke Andreas , Gorennerke Dave , Hacohen Nir , Levin Joshua Z. , Park Hongkun , Regev Aviv. Encellstranskriptomik avslöjar bimodalitet i uttryck och splitsning i immunceller   // Nature . - 2013. - 19 maj ( vol. 498 , nr 7453 ). - S. 236-240 . — ISSN 0028-0836 . - doi : 10.1038/nature12172 .

Länkar