㈠ 全網疾病單細胞資料庫匯總
單細胞測序技術，作為近十年最偉大的科學技術之一，已經在多個科研領域產生了深遠影響。它解決了bulk測序無法解決的單一細胞尺度上的機制研究，成為現象級研究手段。這種適應性廣、功能多樣的測序技術在腫瘤抑制性、免疫細胞和神經系統復雜性研究上具有突出優勢。隨著單細胞測序數據的快速增長，基於單細胞測序的生信分析工具也迅速發展。本文將分享截止至2022年初的所有非腫瘤單細胞資料庫。
非腫瘤單細胞資料庫主要分為三種類型：大型綜合資料庫、疾病特異性資料庫和單細胞功能分析資料庫。
一、大型綜合資料庫
1. Human cell atlas（HCA）：人類細胞圖譜計劃，收錄了大量人類正常組織的數據。
網址：data.humancellatlas.org...
2. SCXA：收錄了各種疾病類型的單細胞數據，持續更新。
網址：ebi.ac.uk/gxa/sc/home
3. Single Cell Portal：收錄了1800萬+的單細胞資料庫，持續更新。
網址：singlecell.broadinstitute.org...
4. SCPortalen：收錄了大量的單細胞測序數據。
網址：single-cell.clst.riken.jp...
5. scRNASeqDB：收集了人類單細胞測序數據。
網址: bioinfo.uth.e/scrnase...
6. Tabula Muris：小鼠的單細胞轉錄組資料庫。
網址：tabula-muris.ds.czbiohub.org...
7. SpatialDB：專門存放單細胞空間轉錄組數據的資料庫。
網址：spatialomics.org/Spatia...
8. MCA：小鼠單細胞圖譜資料庫。
網址：bis.zju.e.cn/MCA/
9. PlantscRNAd：植物單細胞資料庫。
網址：ibi.zju.e.cn/plantscr...
二、疾病特異性資料庫
1. SC2disease：主要用於各類疾病分析。
網址：easybioai.com/sc2diseas...
2. BloodSpot：健康和血液病單細胞轉錄組資料庫。
網址：servers.binf.ku.dk/bloo...
3. KIT：腎臟單細胞資料庫。
網址：humphreyslab.com/Single...
4. VascularSingleCell：血管單細胞資料庫。
網址：betsholtzlab.org/Vascul...
5. iSyTE：專注於研究眼睛發育的單細胞資料庫。
網址：research.bioinformatics.udel.e...
6. DBTMEE：研究眼睛小鼠早期胚胎發育的單細胞資料庫。
網址：dbtmee.hgc.jp/
7. CeDR Atlas：基於文獻的細胞類型特異性葯物反應分析資料庫。
網址：ngdc.cncb.ac.cn/cedr
8. Jingle Bells：收集了免疫和非免疫相關數據的資料庫。
網址：jinglebells.bgu.ac.il/1.
9. Aging Atlas：衰老研究單細胞資料庫。
網址：ngdc.cncb.ac.cn/aging/i...
10. Gut Cell Atlas：腸道組織的單細胞測序資料庫。
網址：gutcellatlas.org/
11. StemMapper：幹細胞發育研究單細胞資料庫。
網址：stemmapper.sysbiolab.eu...
12. stemformatics：幹細胞單細胞資料庫。
網址：stemformatics.org/expre...
三、單細胞功能分析資料庫
1. HCL：人類50種組織的超過70萬個細胞的資料庫。
網址：db.cngb.org/HCL/
2. Cell Blast：scRNA-seq數據檢索/注釋工具。
網址：cblast.gao-lab.org/
3. PanglaoDB：整合了小鼠和人類scRNA-seq數據的資料庫。
網址：panglaodb.se/index.html
4. CellMarker：包含大量Marker基因的資料庫。
網址：bio-bigdata.hrbmu.e.cn...
5. scQuery：對比分析不同研究的單細胞轉錄組數據。
網址：scquery.cs.cmu.e/
6. SCDevDB：單細胞深度組學資料庫。
網址：scdevdb.deepomics.org/
7. LnCeCell：收集了與癌症相關的scRNA-seq數據集。
網址：bio-bigdata.net/LnCeCel...
8. ColorCells：展示各種組織和細胞類型在人類和老鼠的資料庫。
網址：rna.sysu.e.cn/colorce...
9. Virtual Cytometry：免疫細胞分化研究計算平台。
網址：grnpedia.org/cytometry/
10. SPICA：研究病毒感染和腫瘤小鼠模型的單細胞資料庫。
網址：spica.epfl.ch/projects
11. GRNdb：轉錄因子及其下游靶基因形成的基因調控網路資料庫。
網址：grndb.com/
12. SciBet：預測任意隨機測序細胞身份的計算工具。
網址：scibet.cancer-pku.cn/in...
13. CellPhoneDB：細胞間通訊網路研究工具。
網址：cellphonedb.org/
14. scMetabolism：收集了KEGG,Reactom中的基因集。
網址：cancerdiversity.asia/sc...
15. signatureDB: B cell資料庫。
網址：lymphochip.nih.gov/sign...
總結
這是截止至目前，最全面的非腫瘤單細胞數據總結。希望本文能幫助大家更好地利用這些資料庫資源。
常見非腫瘤疾病具體單細胞數據集可關注生信人公眾號獲取。
㈡ 生命科學近年來有哪些新技術
NO.1
SARAH TEICHMANN: Expand single-cell biology（擴展單細胞生物學）
Head of cellular genetics, Wellcome Trust Sanger Institute, Hinxton, UK.
在過去的十年裡，我們看到研究人員可以分析的單細胞數量大幅增加，隨著細胞捕獲技術的發展，結合條形碼標記細胞和智能化技術等方法，在未來數量還將繼續增加，對此，大家可能不以為然，但這可以讓我們以更高的解析度來研究更為復雜的樣品，我們可以做各種各樣的實驗。比如說，研究人員不再只關注一個人的樣本，而是能夠同時觀察20到100個人的樣本，這意味我們能夠更好的掌握人的多樣性，我們可以分析出更多的發展時間點，組織和個體，從而提高分析的統計學意義。
我們的實驗室最近參與了一項研究，對6個物種的250000個細胞進行了分析，結果表明，控制先天免疫圓老旅反應的基因進化速度快，並且在不同物種間具有較高的細胞間變異性，這兩個特徵都有助於免疫系統產生有效的微調反應。
我們還將看到在單個細胞中同時觀察不同基因組模式的能力發展。例如，我們不局限於RNA，而是能夠看到染色質的蛋白質-DNA復合物是開放還是封閉。這對理解細胞分化時的表觀遺傳狀態以及免疫系統和神經系統中的表觀遺傳記憶具有重要意義。
將單細胞基因組學與表型關聯的方法將會發生演變，例如，將蛋白質表達或形態學與既定細胞的轉錄組相關聯。我認為我們將在2019年看到更多這種類型的東西，無論是通過純測序還是通過成像和測序相結合的方法。事實上，我們已經見證了這兩種技術的一種融合發展：測序在解析度上越來越高，成像也越來越多元化。
NO.2
JIN-SOO KIM: Improve gene editors(改進基因編輯)
Director of the Center for Genome Engineering, Institute for Basic Science, and professor of chemistry, Seoul National University.（首爾國立大學基因學研究所基因組工程中心主任、化學教授。）
現如今，蛋白質工程推動基因組工程的發展。第一代CRISPR基因編輯系統使用核酸酶Cas9，這是一種在特定位點剪切DNA的酶。到目前為止，這種方法仍然被廣泛使用，但是許多工程化的CRISPR系統正在用新變體取代天然核酸酶，例如xCas9和SpCas9-NG，這拓寬了靶向空間——基因組中可以被編輯的區域。有一些酶比第一代酶更具特異性，可以將脫靶效應最小化或避免脫靶效應。
去年，研究人員報告了阻礙CRISPR基因組編輯引入臨床的新障礙。其中包括激活p53基因 (此基因與癌症風險相關)；不可預料的「靶向」效應；以及對CRISPR系統的免疫原性。想要將基因組編輯用於臨床應用，就必須解決這些限制。其中一些問題是含畢由DNA雙鏈斷裂引起的，但並非所有基因組編輯酶都會產生雙鏈斷裂——「鹼基編輯」會將單個DNA鹼基直接轉換成另一個鹼基。因此，鹼基編輯比傳統的基因組編輯更干凈利索。去年，瑞士的研究人員使用鹼基編輯的方式來糾正小鼠中導致苯丙酮尿症的突變基因，苯丙酮尿症是一種先天性代謝異常疾病，患者體內會不斷累積毒素。
值得注意的是，鹼基編輯在它們可以編輯的序列中受到了限制，這些序列被稱為原間隔相鄰基序。然而蛋白質工程可以用來重新設計和改進現有的鹼基編輯，甚至可以創建新的編輯，例如融合到失活Cas9的重組酶。就像鹼基編輯一樣，重組酶不會誘導雙鏈斷裂，但可以在用戶定橘凳義的位置插入所期望的序列。此外，RNA引導的重組酶將會在新的維度上擴展基因組編輯。
基因編輯技術在臨床上的常規應用可能還需要幾年的時間。但是我們將在未來一兩年看到新一代的工具，將會有很多的研究人員對這項技術感興趣，到時候他們每天都會使用這些技術。屆時必然會出現新的問題，但創新的解決方案也會隨之出現。
NO.3
XIAOWEI ZHUANG（庄小威）: Boost micros resolution （提高顯微鏡解析度）
Professor of chemistry and chemical biology, Harvard University, Cambridge, Massachusetts; and 2019 Breakthrough Prize winner.
超解析度顯微鏡的原理驗證僅僅發生在十幾年前，但今天這項技術相對來說再平常不過，生物學家可以接觸到並豐富知識。
一個特別令人興奮的研究領域是確定基因組的三維結構和組織。值得一提的是，基因組的三維結構在調節基因表達中起到的作用越來越大。
在過去的一年裡，我們報道了一項工作，在這項工作中，我們對染色質進行了納米級的精準成像，將它與數千個不同類型細胞的序列信息聯系起來。這種空間解析度比我們以前的工作好一到兩個數量級，使我們能夠觀察到各個細胞將染色質組織成不同細胞之間差異很大的結構域。我們還提供了這些結構域是如何形成的證據，這使我們更好地理解染色質調節的機制。
除了染色質，我們預見到在超解析度成像領域空間解析度有了實質性的提高。大多數實驗的解析度只有幾十納米，雖然很小，但與被成像的分子相比卻沒有什麼差別，特別是當我們想解決分子間的相互作用時。我們看到熒光分子和成像方法的改進，大大提高了解析度，我們預計1納米解析度的成像將成為常規。
同時，瞬時解析度變得越來越好。目前，研究人員必須在空間解析度和成像速度之間做出妥協。但是通過更好的照明策略和更快的圖像採集，這些限制可以被克服。成千上萬的基因和其他類型的分子共同作用來塑造細胞的行為。能夠在基因組范圍內同時觀察這些分子的活動，將為成像創造強有力的機會。
NO.4
JEF BOEKE: Advance synthetic genomes （先進的合成基因組）
Director of the Institute for Systems Genetics, New York University Langone Medical Center, New York City.
當我意識到從頭開始寫一個完整的基因組變成可能的時候，我認為這將是一個對基因組功能獲得新觀點的絕佳機會。
從純科學的角度來看，研究小組在合成簡單的細菌和酵母基因組方面取得了進展。但是在合成整個基因組，特別是哺乳動物基因組方面仍然存在技術挑戰。
有一項降低DNA合成成本的技術將會對行業產生幫助，但是目前還沒有上市。今天發生的大多數DNA合成都是基於亞磷醯胺化學過程。所得核酸聚合物的最大長度和保真度都受到限制。
許多公司和實驗室都在研究酶促DNA合成——這種方法有可能比化學合成更快、更准確、更便宜。目前，還沒有一家公司在商業上提供這種分子。但是去年10月，一家總部位於巴黎的叫做DNA Script的公司宣布，它已經合成了一種150鹼基的寡核苷酸，幾乎符合化學DNA合成的實際限制。
作為一個群體，我們還研究了如何組裝人類染色體DNA的大片段，並且我們可以使用這種方法構建100千鹼基或更多的區域。現在，我們將使用這種方法來解剖大的基因組區域，這些區域對於識別疾病易感性非常重要，或者是其他表型特徵的基礎。
我們可以在酵母細胞中快速合成這些區域，因此我們應該能夠製造數十到數百種以前不可能檢測到的基因組變體。使用它們，我們將能夠檢查全基因組關聯研究中涉及的數千個基因組基因座，它們在疾病易感性方面具有一定意義。這種解剖策略可能使我們最終能夠確定這些變體的作用。
NO.5
CASEY GREENE: Apply AI and deep learning（應用人工智慧和深度學習）
Assistant professor of systems pharmacology and translational therapeutics, Perelman School of Medicine, University of Pennsylvania, Philadelphia.