Gambaran Umum
Sekuensing RNA sel tunggal (scRNA-seq) mengukur transkriptom sel individu, memberikan resolusi heterogenitas seluler yang belum pernah terjadi sebelumnya. Bulk RNA-seq merata-ratakan ekspresi gen di jutaan sel, menutupi status transkripsi yang berbeda dari berbagai tipe sel. Sebaliknya, scRNA-seq menangkap profil ekspresi setiap sel secara terpisah, memungkinkan penemuan populasi sel langka, rekonstruksi lintasan perkembangan, dan karakterisasi respons spesifik tipe sel. Sejak studi scRNA-seq pertama pada tahun 2009, teknologi ini telah maju pesat, dengan platform modern memprofilkan puluhan ribu sel dalam satu eksperimen.
Metode
Alur kerja scRNA-seq melibatkan isolasi sel (menggunakan platform berbasis droplet seperti 10x Genomics Chromium, mikrofluida seperti Fluidigm C1, atau metode berbasis plat), transkripsi balik dengan unique molecular identifiers (UMI) untuk menghilangkan bias amplifikasi, dan persiapan perpustakaan untuk sekuensing. Analisis bioinformatika berlangsung melalui: kontrol kualitas (menyaring sel berdasarkan jumlah gen, konten mitokondria, dan hitungan UMI), normalisasi (SCTransform, scran, atau BASiCS), koreksi batch (Harmony, CCA Seurat, atau scVI), reduksi dimensi (PCA diikuti oleh UMAP atau t-SNE visualisasi), pengelompokan (algoritma Louvain atau Leiden), dan ekspresi diferensial antar klaster. Anotasi tipe sel menggunakan gen penanda dan basis data referensi.
Aplikasi
scRNA-seq telah mengubah berbagai bidang. Ini telah menciptakan atlas sel yang komprehensif untuk organ manusia, memetakan embrio yang berkembang, dan mengungkap subtipe sel yang sebelumnya tidak diketahui di otak dan sistem imun. Dalam penelitian kanker, scRNA-seq membedah heterogenitas tumor dan mikro lingkungan tumor, mengidentifikasi keadaan sel resisten obat langka yang terkait dengan penanda flow cytometry. Teknik ini dibangun di atas prinsip inti RNA sequencing dan konsep DNA microarrays and gene expression. Metode transkriptomik spasial yang muncul kini menambahkan konteks posisional pada data sel tunggal, mengungkap bagaimana sel-sel terorganisir dalam jaringan.
