Nature Methods｜2023最受关注的研究

与2022 年一样，单细胞组学分析（single-cell ‘omics analysis）仍然是方法学取得重大进展的领域[1]。CellBender[2]是一种基于深度学习的方法，用于对基于液滴的单细胞 RNA 测序 (RNA-seq) 数据进行建模并消除背景噪声，有助于提高此类数据的质量。多模式单细胞数据集成也是方法开发的一个重要领域，例如 MultiVI 工具[3]，它能够对转录组和染色质可及性以及表面蛋白表达进行联合建模。SCENIC+ 工具[4]从多模式基因表达和染色质可及性数据推断增强子驱动的调控关系和基因调控网络。

单细胞蛋白质组学（single-cell proteomics）也是一个快速发展的领域。当然读者也可查看该期刊对单细胞蛋白质组学的关注焦点论文集，其中包括许多技术和观点驱动的文章，涉及该领域的当前状态以及未来可能发生的情况。本焦点文集包括一篇精彩的新闻报道[5]，涵盖了这一快速发展的研究领域，重点介绍了学术界和商业公司的新进展。同时有两篇研究论文[6 , 7]值得关注，它们描述了基于纳米孔的蛋白质测序的重大进展，能够明确区分 20 种蛋白质氨基酸。纳米孔技术虽然处于发展的初级阶段，但有一天可能实现在单分子水平上进行单细胞蛋白质组测序。

空间组学（spatial ‘omics）是一个持续取得较大进展的领域。MISAR-seq 方法[8]能够对基因表达和染色质可及性进行联合分析，同时保留空间信息，从而深入了解组织配置和调节机制，例如在小鼠大脑发育过程中。TEMPOmap [9]将脉冲追踪代谢标记与高度多重的 3D 原位测序相结合，能够以空间分辨的方式对亚细胞 RNA 谱进行时间评估。GPSA [10]是一种使用深度高斯过程来对齐空间组学数据的方法，应该被证明是一种有用的分析工具。

冷冻电子显微镜 (cryo-EM) 和冷冻电镜断层成像技术 (cryo-ET) 也取得了重要进展。一篇出色的论文描述了一种生成神经网络模型，该模型从冷冻电镜数据中映射柔性大分子中的连续分子异质性，称为 3DFlex[11]。另一篇有趣的论文报道了 TomoTwin [12]，这是一种基于深度学习的工具，可用于断层扫描中粒子拾取的挑战性任务，无需带注释的训练数据或为每种感兴趣的蛋白质重新训练拾取模型。

2023 年对于化学生物学（chemical biology）来说也是重要的一年。有三个工具尤其脱颖而出，实现了能够精确控制或可视化亚细胞蛋白质行为的重要发展。双向、基于蓝细菌色素的光诱导二聚体 (BICYCLs) [13]允许可逆控制红光和绿光下的蛋白质-蛋白质相互作用，并且可以与其他响应蓝光的工具复用。CATCHFIRE 系统[14]引入了用于化学诱导二聚化的新探针，实现了受控二聚化的实时可视化。而适应性成熟（ATOM）生物传感器[15]由插入荧光蛋白环的循环置换的单体或纳米抗体组成，用于靶标结合诱导荧光。这些传感器在不需要标记目标蛋白的应用中应该是有用的。

免疫学（immunology）是一个持续发表越来越多优秀论文的领域。TRAPS-seq 方法[16]能够以时间依赖性方式评估单细胞的分泌组。这种方法应该特别适用于研究高度动态的免疫细胞。而sciCSR 工具[17]提供了一种计算方法，用于从单细胞 RNA-seq 数据推断 B 细胞动力学和类别转换重组事件。

神经科学（neuroscience）领域发表了 LIONESS [18]，这是 STED 显微镜（受激辐射损耗显微镜）的改进版，用于以超分辨率对脑组织进行成像，且光毒性有限。这种方法能够在突触水平上对神经元网络进行 3D 重建，从而能够监测活体组织中网络架构的变化。在动物行为（animal behavior）领域，我们发表了两篇报道三光子微型显微镜的论文[19 , 20]。这些基于纤维的轻型微型显微镜可以对自由活动的小鼠的整个皮层及其下方的钙活动进行成像，超出了之前双光子微型显微镜所能观察到的范围。

最后，三篇描述体外系统研究组织和器官功能的论文值得关注。其中一项报告发布了用于从器官到单细胞水平研究完整的水晶胸腔[21]小鼠肺，包括呼吸机制、免疫细胞浸润和癌变等过程。另一篇论文描述了一种先进的乳腺发育类器官模型[22]，用于研究肿瘤发生的早期阶段。最后一篇论文描述了 MISCOs [23]——模拟人类多巴胺系统的组合体，为研究神经回路提供了一个高度通用的模型。

编辑 | 罗虎

编译 | 李升伟

来源 | Nature Methods

审核 | 医工学人

点击关注医工学人