|
男， 一个长大了才会遇到的帅哥， 稳健，潇洒，大方，靠谱。 一段生信缘，一棵技能树。 单细胞行业的深度参与者，单细胞应用场景的积极探索者，单细胞产品落地的一站式提供者。 早在1991年，两种快速测序方法的发明者之一的吉尔伯特就在《自然》杂志撰文，针对生物学研究范式的变化指出：正在兴起的新的范式在于，所有新的'基因’将被知晓（在可以用电子方式从数据库里读取的意义下），今后生物学研究项目的起点将是理论的。一位科学家将从理论猜测开始，然后才转向实验或检验该假设。 在这一评述里，把”基因“换成”细胞“同样成立。快速、高通量的单细胞测序把生物学推到大数据大科学的时代，这需要培育出一批从事大科学的研究集体和组织者。纵观人类历史，生产力和生产工具是相辅相成的，在近一个世纪的历史中我们不难看出：新技术成就新的科学高地和科学新星。那种花费毕生精力研究一个基因、一条通路、一种生理过程的时代已经一去不复返咯。现在，还会有学者这么做，但是这只代表一中研究风格，而不再是学术主流（郝柏林，《来自基因组的一些数学》）。 尽管人类细胞图谱计划（https://www./）还没有完成，随着大规模的单细胞图谱的发表，单细胞时代的数据积累已经到了这样一个阶段：我们已经可以隐约在组织尺度或个体尺度，真正以细胞作为基本单元描述进化、发育、疾病这些生物学的宏观命题了。  不谋全局者，不足以谋一隅。 单细胞的CNS文章已经发表很多，每日每月也在不断增加，基于单细胞技术的图谱也相继面世，研究范式可以总结为两大类：
研究发现从两个方面展开：
整个单细胞数据科学可化为四大过程组两大知识领域：  在这种框架之下一个单细胞的研究项目是一个漏斗形状的：
这当然是单细胞研究范式之一，就是发现细胞特异性的某种性质，在这方面往往是指向一个疾病的机理一种药物的靶点。这一方面的主要工作正在大部分单细胞临床科研工作者探索着，比较有代表性的一位是Aviv Regev（https://biology./profile/aviv-regev/，https://www./scientists/our-scientists/aviv-regev）。  在一次直播演讲中，Aviv Regev为大家勾勒了一副基于细胞图谱来革新疾病治疗策略的画卷，这演讲的名字叫：Cell atlases as roadmaps to understand and trest disease.这个框架也就是演讲的大纲：  在演讲的第一部分的结尾，Aviv Regev为大家总结了单细胞图谱可以为疾病机制带来的新见解：  以单细胞图谱视角看新药研发的范例是Sarah Middleton 的一场演讲：Cell types to targets Single cell RNA sequencing for drug discovery。  在演讲中，Sarah Middleton将单细胞的主要分析结果与药物发现管线对应起来，让我们看到了单细胞技术在新药发现中的魅力。  海量单细胞技术作为一种发现工具，在新药研发特别是新靶点的发现和细胞治疗上被人们寄予厚望。  不管是疾病还是新药开发，都离不开我们对自身正常发育状态的理解。在单细胞技术应用与发育景观刻画的领域中，不得不提的一位科学家就是汤富酬老师(http://www.bio.pku.edu.cn/homes/Index/news_cont_jl/16/65.html)  在汤老师的一次直播演讲中(Decoding the epigenetic regulation of human embryonic development by single cell omics approaches)，为我们描绘了单细胞组学测序技术在发育生物学领域的应用前景：  在这个列表中，我们可以看出单细胞技术如何以及从哪几个方面拓宽了发育生物学的研究范畴。汤老师用从XXX到XXX的句式，畅想了单细胞技术在发育生物学中那种全景式的研究新范式。 宏观思考为我们打开了新的格局，基于全景或细胞蓝图的数据，为生物大科学带来重新思考的机遇。在发表过人类和小鼠细胞蓝图的科学家队伍笔下，细胞类型可以从基因组中学习得到，他们的跨物种研究更是把单细胞技术拓展到进化（Cross-Species）领域。这是郭国骥（https://person./ggj）老师的团队。 郭老师在他的细胞蓝图的绘制与应用的直播演讲中，提出细胞图谱可以回答的生物学基本问题： 我们知道，像哺乳动物这样的多细胞生物，所有细胞的基因组都是一样的，之所以有不同的细胞类型，是由于基因的差异表达。那么，基因组是如何编码细胞？为了回答这个问题郭老师团队开发了一个深度学习算法，基于物种的基因组数据可以学习出某个物种的细胞类型的种类：Nvwa。 许多刚刚步入单细胞领域的人，都避免不了关注一个看似简单的问题：为什么我们会在不同的组织发现不同种类和不同数量的细胞？无论你关注外周血中免疫细胞的变化，眼角膜的组成，还是肿瘤微环境，这个问题都是一样的。其实，只要你拿到一例单细胞数据，都很容易找到这个问题的部分答案。 随着单细胞和空间技术的发展，新技术正在为我们描绘一个细胞的群落生态学世界。任何关于群落生态学的研究必须从一开始就确定（或期望确定）三件事：研究的目标物种集、分析的空间尺度和感兴趣的群落属性。这里三个基本问题中的”物种“一词换成”细胞“同样成立。单细胞技术可以回答的三个生态学基本问题：
我们分析的单细胞数据愈多就越能感受到，单细胞数据属性与数量生态学中所描述的属性之间存在着惊人的相似之处。 虽然大量的生态学概念在单细胞中应用，如微环境、亚群、尺度、转移，泛基因组与宏基因组等等，他们也在用群落属性来描述单细胞数据，但是细胞生态学(Cellecology)还是一个十分陌生的词汇。据我所知，大部分医学背景的科学家尚未学习群落生态理论的思维方式。 检索文件我们能看到一些零星的描述，虽然没有冠以Cellecology之名。
当我们把单细胞的话语体系中的
。。。 跨学科的宏观思考，让我们进一步体会到：单细胞测序技术将彻底改变整个生物科学(Shapiro, E., Biezuner, T. & Linnarsson, S. Single-cell sequencing-based technologies will revolutionize whole-organism science. Nat Rev Genet 14, 618–630 (2013). https:///10.1038/nrg3542)。种群遗传学和群落生态学都关注生物变异的组成和多样性在不同空间和时间上的变化规律，并分别发展了一套描述体系和理论框架。（生态群落理论） |
|
|
