2018年10月5日盔沫，來自美國斯坦福大學(xué)、陳-扎克伯格生物中心（Chan Zuckerberg Biohub），弗吉尼亞州帕洛阿爾托醫(yī)療保健系統(tǒng)和加州大學(xué)的一個(gè)龐大的研究團(tuán)隊(duì)組建了一個(gè)名為Tabula Muris (Mouse Atlas)的小鼠細(xì)胞信息的開源數(shù)據(jù)庫。在他們發(fā)表在Nature期刊上的標(biāo)題為“Single-cell transcriptomics of 20 mouse organs creates a Tabula Muris”的論文中笙什，該團(tuán)隊(duì)描述了如何獲得這種數(shù)據(jù)庫中的信息以及如何使用它。

這篇文章中胚想，作者對(duì)3月大(10-15w)的3只雌性和4只雄性C57BL/6JN小鼠的20個(gè)器官進(jìn)行了單細(xì)胞測序琐凭，得到了100605個(gè)細(xì)胞（Fig 1A：）。
考慮到任何一種單細(xì)胞測序方法只能提供關(guān)于生物體內(nèi)細(xì)胞類型多樣性和每個(gè)細(xì)胞類型內(nèi)基因表達(dá)的部分觀點(diǎn)浊服，該研究采用了兩種單細(xì)胞測序策略：基于微流控液滴的3'測序（得到更多的細(xì)胞）和基于流式分選的全場轉(zhuǎn)錄組測序（更高敏感度和全面的得到細(xì)胞類型）

1. Defining organ-specific cell types

Extended Data Fig. 1 | The number and type of FACS cells that compose each organ.

Extended Data Fig. 2 | The number and type of microfluidic cells that compose each organ

本研究豐富了在一些器官和組織中新的細(xì)胞類型的特征基因表達(dá)譜统屈，比如成年胰腺中Neurog3胚吁、Hhex和Prss53基因，下肢肌肉中Chodl基因等等可能具有新的作用愁憔。

2. Methodological comparison

FACS方法得到44949個(gè)細(xì)胞腕扶，微流控測的55656個(gè)細(xì)胞。

Fig 1

FACS方法平均測得814,488 reads per cell吨掌，微流控方法平均測得7709 UMI per cell半抱。（兩個(gè)方法測到的基因數(shù)都是非常多的）

Extended Data Fig. 3 | The number of reads, UMIs and genes detected per cell for each organ

此外，兩種方法得到的細(xì)胞膜宋，都是內(nèi)皮和白細(xì)胞最多窿侈。

Extended Data Fig. 4 | Graphical representation of cell ontology class representation.

為了了解本研究采用的FACS法和微流體法兩種方法的技術(shù)偏差以及對(duì)試驗(yàn)的影響，作者納入了第三種方法microwell測序秋茫，并將三者進(jìn)行比較史简，結(jié)果發(fā)現(xiàn)在不同的器官中采用不同方法檢測到每個(gè)細(xì)胞的基因數(shù)存在差異。在膀胱学辱、肝臟乘瓤、肺环形、乳腺策泣、氣管、舌頭和脾臟中抬吟，F(xiàn)ACS法檢測到的每個(gè)細(xì)胞的基因數(shù)量幾乎是微流體法的兩倍萨咕，而在心臟和骨髓中數(shù)量幾乎相當(dāng)(a)。這種差異可能與測序深度無關(guān)火本，因?yàn)镕ACS和微流體液滴庫都接近飽和(b)危队。

Extended Data Fig. 5 | Methodological comparison of detected genes and library saturation.

通過分析脾臟和腎臟兩個(gè)未進(jìn)行標(biāo)記分選的器官，可以比較不同方法間不同細(xì)胞類型的數(shù)量和相對(duì)豐度钙畔。結(jié)果發(fā)現(xiàn)茫陆，兩種方法捕獲的細(xì)胞類型各占比相等(Pearson相關(guān)系數(shù)分別為脾：0.99；腎臟：0.99)擎析。盡管如此簿盅，微液滴法還是識(shí)別了兩個(gè)器官中FACS法遺漏的細(xì)胞類型，譬如腎系膜細(xì)胞揍魂，脾樹突細(xì)胞和自然殺傷細(xì)胞桨醋，這可能與是細(xì)胞豐度和采樣深度有關(guān)，也可能是由于不同方法之間的細(xì)胞捕獲和裂解偏差现斋。由于FACS法捕獲的細(xì)胞更少喜最，但每個(gè)細(xì)胞鑒定到的分子比微流體法多，本研究試圖探究這兩種方法在33個(gè)共享細(xì)胞群的大基因表達(dá)譜上是否一致庄蹋。結(jié)果發(fā)現(xiàn)瞬内，這些基因表達(dá)譜之間相關(guān)性較高(Pearson相關(guān)系數(shù)：0.74-0.90)迷雪，這表明盡管方法之間存在偏差，但兩者都準(zhǔn)確地概括了平均細(xì)胞類型基因表達(dá)譜虫蝶。

3. Global clustering across organs

對(duì)所有細(xì)胞進(jìn)行聚類振乏，得到54個(gè)cluster，注釋得到25個(gè)細(xì)胞群秉扑。

和預(yù)期的一致慧邮，不同組織的器官常常混合在一起舟陆。54個(gè)cluster中有25個(gè)包含了不同器官的至少五個(gè)細(xì)胞误澳。比如cluster 3和48都包含了超過五種器官的內(nèi)皮細(xì)胞，cluster 1和24包含了至少4個(gè)器官的基質(zhì)和間質(zhì)細(xì)胞秦躯。cluster 2包含了來自脂肪忆谓，骨骼肌，肺踱承，脾臟倡缠，骨髓和肝臟的b細(xì)胞，以及胸腺茎活，心臟和骨骼肌的白細(xì)胞和淋巴細(xì)胞昙沦。這提示細(xì)胞類型對(duì)被檢測到基因表達(dá)的影響強(qiáng)于樣品處理或解離方案的差異。

This suggests that the effect of cell type on measured gene expression is stronger than the effect of batch or dissociation protocol.

Fig. 3 | Comparison of cell-type determination.

隨后作者以T細(xì)胞為演示载荔，做了進(jìn)一步的分析盾饮。
聚類得到5個(gè)cluster，根據(jù)marker基因做了一下注釋懒熙。cluster 0包含那些經(jīng)歷VDJ重排的胸腺細(xì)胞丘损，而cluster 2包含那些表達(dá)IL2受體的非胸腺T細(xì)胞，表明它們被激活工扎。

Fig. 4 | Analysis of all sorted T cells.

4. Global transcription factor analysis

定義細(xì)胞類型的一個(gè)主要目標(biāo)是去理解細(xì)胞間的潛在調(diào)節(jié)網(wǎng)絡(luò)徘钥。
Fig 5A：作者使用了數(shù)據(jù)中檢測到的1016個(gè)轉(zhuǎn)錄因子，通過對(duì)每個(gè)細(xì)胞群這些轉(zhuǎn)錄因子的基因表達(dá)矩陣進(jìn)行相關(guān)性聚類肢娘，探究了how transcription factors contribute to cell-type identity呈础。
結(jié)果和使用所有基因做聚類得到的樹狀圖(Extended Data Fig. 10a)差別不大，提示表明轉(zhuǎn)錄因子表達(dá)可以大致定義細(xì)胞類型蔬浙。而在用細(xì)胞表面標(biāo)志物或RNA剪接因子來重復(fù)此分析時(shí)猪落，發(fā)現(xiàn)情況并非如此，表明轉(zhuǎn)錄因子能夠更好地確定細(xì)胞類型畴博。
Fig 5B-E：隨后作者通過器官之間的共有細(xì)胞類型的相關(guān)性分析計(jì)算了器官特有的轉(zhuǎn)錄因子
Fig 5F：為了探究哪種轉(zhuǎn)錄因子對(duì)注釋細(xì)胞類型最有幫助笨忌，作者通過隨機(jī)森林模型進(jìn)行了變量選擇，得到同時(shí)定義不同臟器所有細(xì)胞類型的136個(gè)轉(zhuǎn)錄因子俱病。
Fig 5G-I：隨后作者定義了可以區(qū)分某個(gè)細(xì)胞類型和其他細(xì)胞的轉(zhuǎn)錄因子集官疲，結(jié)果發(fā)現(xiàn)袱结，對(duì)于某些細(xì)胞類型，如肝細(xì)胞途凫、衛(wèi)星細(xì)胞和少突膠質(zhì)細(xì)胞垢夹，其中某些重編程因子是區(qū)分細(xì)胞類型的首要變量（2-813）

綜上，通過利用小鼠的轉(zhuǎn)錄組圖譜有助于發(fā)現(xiàn)新的細(xì)胞類型维费，發(fā)現(xiàn)已知細(xì)胞類型中的新的基因表達(dá)果元，以及比較不同器官細(xì)胞類型∠耍考慮到3個(gè)月大的小鼠與20歲人類有一定相似的生物特征而晒，Tabula Muris數(shù)據(jù)庫也可以當(dāng)成健康青年器官的參考，可作為當(dāng)前和未來疾病小鼠模型的基線阅畴。

Tabula Muris網(wǎng)站

打開主頁首先看到的是簡介倡怎。隨后Code，可以在github進(jìn)行下載贱枣，用于注釋單元格监署，產(chǎn)生論文中所有圖形的代碼。

在Data下用戶點(diǎn)擊“figshare”按鈕即可進(jìn)入數(shù)據(jù)下載頁面纽哥。

然后是網(wǎng)站的核心功能區(qū)：Visualiation
Visualiation功能區(qū)钠乏，使用無偏聚類和標(biāo)記基因表達(dá)來識(shí)別每個(gè)器官中的細(xì)胞類型，從而詳細(xì)描述了每只小鼠的細(xì)胞多樣性昵仅。每個(gè)器官中每種細(xì)胞類型的基因表達(dá)都可以使用下面的互動(dòng)圖解顯示缓熟。

新文章

20年7月份，Tabula Muris背后的科研團(tuán)隊(duì)通過對(duì)小鼠的17個(gè)器官組織在10個(gè)不同時(shí)間節(jié)點(diǎn)進(jìn)行RNA測序和血漿蛋白質(zhì)組分析摔笤，建立了小鼠衰老細(xì)胞圖譜，為衰老過程的研究提供了高時(shí)空分辨率的基因表達(dá)圖譜數(shù)據(jù)庫垦写，文章發(fā)表在nature上吕世。

對(duì)這篇文章數(shù)據(jù)進(jìn)行挖掘的文章發(fā)在elife上