单细胞免疫组库免疫

读《T-Cell Differentiation》||免疫细胞

2020-12-04  本文已影响0人  周运来就是我

知道这本书是一个偶然的机会,那段时间正好在研究免疫细胞比较厉害的团队工作(忝列门墙啊),自然想找点资料来扩充一下自己的知识面,以便知道T细胞到底有几个正宗的亚群。如张老师对T细胞的划分:

文献既视感:

几乎做到了一个marker一个亚群的地步,实在是厉害了。而我对T细胞的十大古老家族还不清楚,知不足而后勇啊,不得不补一补T细胞的历史。于是,就打印了这本《T-Cell Differentiation》。这是2017年出版的关于T细胞研究的实操类书籍。

说它是实操类的因为里面涉及大量的实验规程,第一步加什么,第二步加什么。这对我这个做数据分析的人来讲是有点陌生的。单说这部分实验,目前还是有不少借鉴意义的。如何设计抗体来calling目标细胞,分离细胞后如何分析。理解了流式细胞术的应用,也就不难理解为什么传统做单细胞的老师为什么那么在意亚群细胞的占比以及表达量到底是阴还是阳。因为这些概念基本是基于细胞表面抗原的这套体系建立起来的。

高通量单细胞测序时代,基于表面抗体的技术可以淘汰了吗?打个不恰当的比喻,细胞表面抗体的这套技术就像人们说的以貌取人,scRNA测的是人的美丽心灵。心灵不管多么美丽精巧,人还是会看外表。之前的时代只看脸固然不对,但是只看心灵也有失偏颇。表面蛋白依然是细胞身份的重要表征,因为很长一段时间内,细胞身份就是靠这个来定义的。

书中讨论了 Naïve / Memory Cells / T Helper Cell / Antigen-Specific T Cell Exhaustion / Regulatory T Cells /γδ T Cells 等T细胞的捕获分选方法,也讨论了基于NGS的单细胞microRNA / Long Noncoding RNAs 分析方法。值得一提的是,书中还给出了scRNA分析的流程(Smart-seq),堪称经典。

这一节书中列出了scrna常用的分析工具,可见自那时起(2017年),单细胞转录组数据分析的工具已经完备了。

对每一种细胞亚群的印象,在阅读的过程中清晰过也迷惘过。清晰的是原来他们之间是这样区分的,迷惘的是只是靠几个marker就可以推断其功能吗?当然,我们知道很多细胞亚类有着相同的表面marker但是却行驶着不同的功能。一方面是我们的marker总是有限的,另一方面是每个一marker背后都有一个中心法则。

TCR或BCR是不稳定的体细胞,在正常的体细胞内一般受精后DNA不再变化,但是TCR和BCR的DNA序列是变化的:体细胞DNA重组形成新的功能基因。这是不同人之间的TCR或BCR的克隆型差异巨大的主要原因,也是T细胞或B细胞如此丰富多样的原因。

到目前为止,认识细胞类型的过程基本就是认识marker(基因的或蛋白的)的过程。细胞是什么就像在问一个人是什么一样,身高不是人,性格不是人,身份不是人,可是这些可以描绘人。但是这些标签总是静止的,而T细胞是在免疫过程中定义的,他们的名字很清楚:Naïve / Memory Cells / T Helper Cell / Antigen-Specific T Cell Exhaustion / Regulatory T Cells /γδ T Cells,虽然也有叫做CD4T / CD8T 的。细胞的名称就像代码中的变量名一样,应该是有意义的,而不只是个标签。

上一篇下一篇

猜你喜欢

热点阅读