基于高通量测序的单细胞蛋白组技术与蛋白相互作用模型的构建

Recent technological advances have permitted high-throughput analysis of genome and transcriptome at the single-cell level. However, single-cell proteomics is still not available because of a lack of signal amplification method for protein detection and the enormous complexity of the proteome. The characteristics of a single-cell proteomic assay include multiplexing capacity, throughput, sensitivity and dynamic range, as well as the technical error of quantitation. Multiplexing capacity determines the number of proteins assayed in a single cell measurement and throughput determines the number of cells analyzed in parallel. The aim of this project is to quantitatively measure more than 100 proteins in thousands of single cells. Our strategy is to translate the protein detection to DNA detection, followed by signal amplification by PCR for achieving single-cell resolution. Meanwhile, cell labeling is introduced to realize mixed sequencing of protein-derived DNAs from different cells. Molecular index is introduced for quantitation of protein molecules. This strategy is combined with the single-cell proteomic chip we developed before to achieve quantitative, single-cell proteomics. A theoretical model is created to analyze high-dimensional single-cell proteomics data for better understanding the regulation mechanism of singling network.

目前已经能够实现高通量的单细胞基因组与转录组测序，但对单细胞蛋白组，由于对蛋白的检测缺乏像核酸那样的扩增方法以及蛋白组本身较基因组更为复杂，目前尚难以实现单细胞蛋白组检测。单细胞蛋白组检测的基本指标包括：可同时检测的蛋白数目、检测通量（可同时检测的细胞数目）、检测灵敏度与动态范围、以及定量准确性。为实现同时对较多细胞（>1000个）中的较多蛋白（>100种）进行单细胞精度的定量检测，我们的基本思路是将对蛋白的检测转化为对核酸的检测，然后通过核酸扩增实现信号放大以达到单细胞检测的精度，同时引入细胞标记实现对不同细胞蛋白检测的混合测序，引入分子标记实现对所检测蛋白的分子数目的定量。我们将这一方法与之前发展的单细胞蛋白检测芯片相结合，从而实现单细胞蛋白组的定量检测。单细胞蛋白组数据包含了巨大的信息量，我们发展了一个理论模型来基于这些数据构建蛋白相互作用模型，以帮助进一步理解信号网络的调控机制。

本项目主要涉及三个方面的研究：1）基于高通量测序的方法对大量细胞中的大量蛋白进行高灵敏检测；2）基于高维单细胞数据建立蛋白网络模型；3）对临床体液样本中稀有肿瘤细胞进行单细胞分子检测并绘制分子图谱。为实现同时对大量细胞中的大量蛋白进行单细胞检测，本项目通过双重核酸标记的方法将对蛋白的检测转化为对核酸的检测，同时通过细胞标记将对多个细胞的检测在一次高通量测序中完成。具体来说，即通过对抗体标记来实现蛋白检测，同时引入细胞标记实现对不同细胞蛋白检测的混合测序。这一方法能够与现有的高通量单细胞转录组方法联用，以实现单个细胞层面RNA与蛋白信息的联合检测并用于蛋白模型的构建。这一方法首先经过细胞系验证，后应用与临床样本的检测。由于临床体液样本中肿瘤细胞稀少且存在大量背景下表，因此本项目肿瘤细胞能量代谢异常的特征开发了新的稀有肿瘤细胞标志物，用于在临床体液样本（血液、胸腔积液、尿液等）中高灵敏的检测稀有肿瘤细胞并进行单细胞层面上的基因组测序，以及转录组、蛋白组的检测，从而绘制体液中稀有肿瘤细胞的单细胞分子图谱。本项目发表6篇SCI论文与一篇中文论文，包括Nature Communications, PNAS, Analytical Chemistry, Proteomics, Analytical and Bioanalytical Chemistry等。