소식

Oct 27, 2023

오르고

네이처커뮤니케이션즈 볼륨

Nature Communications 13권, 기사 번호: 3243(2022) 이 기사 인용

7477 액세스

6 인용

28 알트메트릭

측정항목 세부정보

대뇌 오가노이드는 신경정신병적 장애와 관련된 유전적 변이에 의해 교란된 세포 유형별 프로세스에 대한 통찰력을 얻는 데 사용될 수 있습니다. 그러나 오가노이드의 강력하고 확장 가능한 표현형 분석은 여전히 ​​어려운 과제로 남아 있습니다. 여기서 우리는 25명의 기증자로부터 얻은 1,420개의 대뇌 유기체로 구성된 71개의 샘플에 대해 RNA 시퀀싱을 수행하고 벌크 RNA와 단일 세포 RNA 서열 데이터를 통합하는 프레임워크(Orgo-Seq)를 설명합니다. 우리는 자폐 스펙트럼 장애와 관련된 두 유전자좌인 16p11.2 결실과 15q11-13 중복에 Orgo-Seq를 적용하여 미성숙 뉴런과 중간 전구 세포를 16p11.2 결실의 중요한 세포 유형으로 식별합니다. 우리는 세포 유형별 드라이버 유전자를 식별하기 위해 Orgo-Seq를 추가로 적용했습니다. 우리의 연구는 신경 정신 질환과 관련된 세포 유형 및 세포 유형별 공동 발현 드라이버 유전자를 식별하기 위한 다중 전사체 데이터 세트를 통합하는 정량적 표현형 분석 프레임워크를 제시합니다.

인간 유도 만능 줄기 세포(iPSC)에서 분화된 대뇌 오가노이드 모델의 최근 발전은 이러한 체외 시스템이 발달 중인 인간 태아 뇌에서 발견되는 많은 세포 유형으로 구성되어 있음을 입증했으며1,2,3,4 소두증 및 자폐증 스펙트럼 장애(ASD)2,5,6와 같은 신경발달 및 신경정신병 장애에서 교란되는 세포 유형 및 세포 유형별 분자 과정을 식별합니다. 질병 관련 유전자좌에서 교란되는 세포 유형 및 세포 유형별 공동 발현 유전자를 식별하면 관련 세포 유형에 대한 직접 실험을 수행하여 질병에서 중요한 분자 과정을 이해할 수 있습니다.

복잡한 신경정신 질환에서 교란되는 세포 유형과 세포 유형별 프로세스를 식별하기 위해 대뇌 오가노이드를 적용하는 데는 주요 과제가 있습니다. 이전 문헌에서는 대뇌 오가노이드가 인간 뇌에서 발견되는 다양한 세포 유형으로 구성되어 있으며, 개별 오가노이드는 단일 세포 RNA 시퀀싱(scRNA-seq)1을 사용하여 검출된 세포 유형 구성이 이질적일 수 있음을 입증했습니다. 이는 서로 다른 유전적 배경을 가진 개인과 구별되는 대뇌 오가노이드 사이의 강력한 세포 및 분자 차이를 탐지하는 데 추가적인 과제를 제기합니다. 이 핵심 문제를 해결하기 위해 우리는 다양한 배경을 가진 25명의 개인으로부터 1,420개의 많은 오가노이드를 구별하여(샘플당 20개의 오가노이드가 있는 71개의 샘플) 전체 전사체 벌크 RNA 서열(bRNA-seq)의 고유한 가변성을 체계적으로 정량화하고 식별했습니다. 오르가노이드의 데이터.

또 다른 과제는 기증자 유래 대뇌 오르가노이드에서 교란되는 세포 유형별 공동 발현 유전자를 강력하게 검출하는 것입니다. 한 가지 접근법은 scRNA-seq를 사용하여 질병과 관련된 중요한 세포 유형 및 세포 유형별 공동 발현 유전자를 편견 없이 발견하는 것입니다1,7,8,9,10,11,12,13,14. 그러나 현재의 scRNA-seq 기술은 전체 전사체의 10-20%만을 포착하며15 많은 질병 관련 유전자의 세포 유형별 동시 발현은 scRNA-seq로 감지되지 않을 수 있습니다. 예를 들어, ASD와 연관된 16p11.2 유전자좌 내에서 해당 유전자좌의 29개 유전자 중 2개(QPRT [NCBI Gene ID: 23475] 및 ALDOA [NCBI Gene ID: 226])에 대한 발현만이 10개의 주요 유전자 중에서 검출되었습니다. 대뇌 유기체에서 scRNA-seq을 사용하여 식별된 세포 유형 클러스터1.

여기서 우리는 연구자들이 기증자 유래 유기체의 bRNA-seq 데이터를 대규모 scRNA-seq와 통합하여 세포 유형별 공동 발현 드라이버 유전자를 식별할 수 있는 정량적 표현형 분석 프레임워크(Orgo-Seq, 그림 1)를 개발했습니다. 뇌 유기체와 태아 뇌의 데이터. 이를 통해 우리는 현재 scRNA-seq 기술의 한계를 극복하는 동시에 이전에 생성되었거나 미래에 생성될 대규모 scRNA-seq 데이터 세트의 장점을 활용하여 세포 유형에 대한 편견 없는 발견을 할 수 있습니다. 및 세포 유형별 공동 발현 드라이버 유전자.