はじめに
生物学的研究における遺伝子発現の解析は、細胞の機能や役割を理解するための鍵となります。遺伝子発現解析は一般的に特定の細胞集団を１つのサンプルとして扱うため、個々の細胞が持つ遺伝子発現のヘテロジェネイティが無視されてしまいます。そこで近年注目を浴びているのが、シングルセルRNA-seq（scRNA-seq）というテクノロジーです。シングルセルRNA-seqと区別するために、一般的なRNA-seqはバルクRNA-seqとも呼ばれます。
シングルセルRNA-seqとは
シングルセルRNA-seqは、その名の通り、１つ１つの細胞からRNAを抽出し、シーケンシングを行う手法です。従来のRNA-seqが、細胞集団の平均的な発現パターンを解析していたのに対し、scRNA-seqでは、各細胞がどのような遺伝子をどの程度発現しているかを解析することができます。これにより、同じ細胞集団内でも異なる機能を持つ細胞を見つけ出すことが可能になります。この技術は、生物学の様々な分野で使われており、がん研究、免疫学、神経科学、発生学などでの応用例があります。
技術的な考慮点
しかし、scRNA-seqを実行するには、いくつかの困難な課題を克服する必要があります。最初の課題は、１つの細胞から微量であるRNAを効率よく抽出し、ライブラリを作成することです。方法としては、マイクロウェルプレートベースやドロップレットベース、マイクロチャンバーベースと呼ばれる技術が開発されています。この段階では、サンプリングバイアスや、逆転写反応時のバッファー持ち込み、温度管理や手技にかかる時間などの様々なテクニカル上の問題への対処が必要となる可能性があります。そのため、予備実験やコントロール実験が重要となります。
データ解析の課題と可能性
データ解析上の課題として、検出限界により低発現遺伝子が計測されないドロップアウトといった現象がしばしば問題となります。実験プロトコル間でもドロップアウト率は異なり、異なるサンプル間の比較は単純には出来ません。これを解決するために、データの正規化やデータ補完といった工夫が為されています。
このように複数の技術的な制約がありますが、scRNA-seqの可能性は無限大です。細胞間の遺伝子発現のヘテロジェネイティを解明することで、我々は細胞のサブタイプを同定したり、細胞の状態や細胞間の相互作用を理解するための新たな洞察を得ることができます。また、シングルセルレベルでの解析は、疾患の早期診断や個別化医療における新たな道を開く可能性があります。
研究事例
これまでの研究でも、scRNA-seqは多くの洞察を提供してきました。さかのぼる事、2018年にNatureに掲載された研究では、scRNA-seqを用いて、がん細胞と免疫細胞の相互作用を詳細に解析しました。この研究では、シングルセルレベルの解析により、特定の免疫細胞ががん細胞に対してどのように反応するか、そしてがん細胞が免疫系から逃れるためにどのような戦略を採用するかを明らかにすることができました。
また、2015年にScienceに掲載された研究では、scRNA-seqを用いて、マウスの大脳皮質内の異なる細胞タイプの分布とその機能を詳細にマッピングしました。このような研究は、神経系の機能や神経系疾患の原因を理解するための基礎を提供します。
今後の展望
シングルセルRNA-seqは、１つ１つの細胞が持つ遺伝子発現のヘテロジェネイティを解明するための強力なツールです。技術的な課題やデータ解析の困難さは確かに存在しますが、これらを克服することで、これまで見えなかった生物学的現象を明らかにすることが可能になります。
疾患の早期診断から治療戦略の策定、新たな治療薬の開発に至るまで、シングルセルRNA-seqは生物学と医学の様々な領域に対する理解を深め、新たな研究の道を開く可能性を秘めています。特にがん研究や神経科学などでは既に重要な洞察を提供しており、その活用範囲は今後も広がっていくことでしょう。
このような新技術の進展は、科学者だけでなく、一般の人々にとっても大変興味深いものです。シングルセルRNA-seqによる研究成果を追うことで、我々は生命の奥深さとその複雑性をより深く理解することができるでしょう。
参考文献
Haque, A., Engel, J., Teichmann, S.A., & Lönnberg, T. (2017). A practical guide to single-cell RNA-sequencing for biomedical research and clinical applications. Genome Medicine, 9(1), 75.
Stegle, O., Teichmann, S.A., & Marioni, J.C. (2015). Computational and analytical challenges in single-cell transcriptomics. Nature Reviews Genetics, 16(3), 133-145.
Kharchenko, P.V., Silberstein, L., & Scadden, D.T. (2014). Bayesian approach to single-cell differential expression analysis. Nature Methods, 11(7), 740-742.
Zhang, L., Yu, X., Zheng, L., Zhang, Y., Li, Y., Fang, Q., … & Zhang, C. (2018). Lineage tracking reveals dynamic relationships of T cells in colorectal cancer. Nature, 564(7735), 268-272.
Zeisel, A., Munoz-Manchado, A.B., Codeluppi, S., Lonnerberg, P., La Manno, G., Jureus, A., … & Linnarsson, S. (2015). Cell types in the mouse cortex and hippocampus revealed by single-cell RNA-seq. Science, 347(6226), 1138-1142.
レリクサのサービスなら
丁寧なビフォアサポート・アフターサポート
15名以上の博士研究者が在籍。高い専門性と丁寧なサービスで、最後までご満足いただけるサービスを提供します。
リーズナブルで高品質なシーケンス
競争力のある複数の国内外シーケンスプロバイダーと提携し、低価格・高品質なデータ取得を実現しています。データ解析をご自身で実施するお客様からも選ばれています。
カスタム実験・オーダーメイド解析・統合解析にも対応
ご研究目的やご要望の図版、参考文献等に応じて、標準サービスメニュー外のカスタム実験・カスタム解析・マルチオミクス解析・統合解析も承ります。
株式会社Rhelixa（レリクサ）について
当社は最先端のゲノム・エピゲノム解析で培ってきた技術を活用して、生物学・医学・薬学領域における基礎研究や製品・ソリューションの開発、またはそれらの受託業務を行っています。次世代シーケンサーにより得られるエピゲノムデータの他、ゲノムやトランスクリプトーム、メタゲノムデータを組み合わせた統合的なデータ解析により、細胞制御の詳細なメカニズムの予測や精度の高いマーカーの探索を行います。また、研究開発のあらゆる場面で必要となるデータの統計解析や図版作成を基礎知識を必要とせず誰もが手元で実現できる環境を提供しています。
