分享一篇发表在Science上的文章：Mapping early human blood cell differentiation using single-cell proteomics and transcriptomics，通讯作者分别是来自哥本哈根大学的Bo T. Porse教授，丹麦技术大学的Erwin M. Schoof教授，慕尼黑工业大学的Fabian J. Theis教授。Bo T. Porse和Erwin M. Schoof教授的研究方向包括造血作用、肿瘤干细胞、单细胞技术等，Fabian J. Theis教授的研究方向是计算生物学。

单细胞分析在生物医学研究中越来越受欢迎，但大多数单细胞研究都集中在转录组学上。这些mRNA水平的分析可以对细胞类型和细胞随时间的变化进行分类，但它们不能直接反映细胞功能。给定mRNA的丰度通常与其相应蛋白质的丰度无关，此外，细胞的功能还和蛋白质的活性有关。因此，本文作者为了解决这一问题，开发了一种基于质谱的单细胞蛋白质组学方法，结合转录组学，提出人类血细胞分化的新见解。

实验的核心在于平行开展单细胞蛋白质组学（scp-MS） 和单细胞转录组测序（scRNA-seq）。首先，作者从6名健康捐赠者的骨髓中分离出CD34+造血干/祖细胞，采用FACS技术分选单个细胞，构建了大规模的单细胞分析队列。从技术流程上，作者采用了多重标记策略和实时质谱采集技术（RETICLE），对基于384孔板的实验流程进行了优化，显著提升了单细胞蛋白质组的覆盖深度和定量准确性。最终，研究成功构建了包含2506个HSPC细胞、定量2900余种蛋白质的大规模数据集，尽管存在68%的平均缺失值，但与既往单细胞蛋白质组研究相比已属显著提升。此外，作者还通过自研算法SCeptre校正批次效应，确保数据的可靠性。为了整合蛋白质组和转录组的数据，作者通过GLUE整合模型，这是基于变分自编码器的工具，构建了连接转录组和蛋白质组数据的联合潜在空间，实现了两组学数据的无缝对接，还通过scProtVelo模型模拟了从mRNA到蛋白质的翻译动力学，能够推断细胞的分化方向和发展进程。这些算法的发展不仅服务于本研究的具体目标，更为单细胞多组学领域提供了可重用的技术框架。

在建立方法后，作者成功重现了已知的人类HSPC分化层级，验证了技术可靠性。更重要的是，研究发现蛋白质组数据能够揭示传统表面标志物无法分辨的细胞亚群。例如，研究中鉴定出了一类具有嗜碱粒-嗜酸粒-肥大细胞潜能（BaEoMa）的新型祖细胞群，这一发现扩展了人们对髓系分化的认知。作者还发现在造血干细胞中广泛存在的mRNA-蛋白质表达解耦现象。分析显示，在分化程度较高的血细胞中，mRNA与蛋白质的表达呈现高度相关性；然而在干细胞和未成熟细胞中，这种相关性显著减弱。这一发现提示，在干细胞状态维持阶段，细胞可能通过调控mRNA稳定性、翻译效率或蛋白质降解速率，快速调整蛋白质组构成，从而灵活响应微环境信号。

总而言之，作者通过创新性地整合单细胞蛋白质组与转录组技术，重新绘制了人类早期造血分化的精细图谱。

本文作者：MB

责任编辑：LZ

DOI：10.1126/science.adr8785

原文链接：https://doi.org/10.1126/science.adr8785