type
status
date
slug
summary
tags
category
icon
password
comment
文章信息 | Article Info
📰 标题：Single-cell biology: what does the future hold?
✍️ 作者：Maria Polychronidou, Roland Eils et al.
📅 年份：2023
📚 期刊：Molecular Systems Biology
🗂 类型：Editorial
📊 JCR分区：Q1
🏷 CAS分区：生物学1区
📌 BioRead编号：BioRead Marathon 001
📖 导语本文梳理了《Single-cell biology: what does the future hold?》这篇高影响力综述的精华内容。文章围绕单细胞生物学领域的核心价值，聚焦未来七大关键科学问题，并引入多位领域专家的前沿观点，为理解和推动单细胞多组学研究提供系统性思路与灵感。
1. 单细胞生物学的核心价值 | Core Values of Single-Cell Biology
单细胞生物学的出现，推动了生命科学研究从“群体平均”迈向“细胞个体化”与“空间多样性”。其核心价值体现在以下四个维度：
- 细胞类型（Cell Type）
通过高通量测序和多组学方法，我们能够精确识别和分类各种细胞类型，系统绘制生物体的细胞图谱。
- 细胞状态（Cell State）
揭示细胞在不同生理、发育或病理条件下的动态变化，实现对细胞功能和命运的精细追踪。
- 细胞间相互作用（Cell–Cell Interaction）
深入探索细胞如何通过信号通讯、分子转运等机制协同工作，共同塑造组织结构和功能。
- 组织结构（Tissue Architecture）
多尺度整合，解析复杂组织和器官的空间组织、发育和稳态调控机制。
总结：单细胞生物学不仅仅是“测量”，更是打开了从分子到系统层面理解生命本质的新大门。
2. 未来七大关键科学问题 | Unanswered Questions Shaping the Field
2.1 已鉴定的细胞类型和状态的功能是什么？
尽管目前已通过单细胞测序等技术鉴定出成百上千种细胞类型和状态（如分化阶段、激活状态、亚型等），但它们在生理或病理过程中的具体功能，依然知之甚少。
- 为什么重要？
不仅要回答“这是什么细胞？”，更要搞清楚“它做什么？”。只有明确功能，才能将细胞图谱与发育、疾病等复杂生物学过程建立起直接联系，为精准医学和干预策略提供理论基础。
2.2 是否还有更多细胞类型和/或细胞状态有待鉴定？
即使我们已经识别出众多细胞类型和状态，依然存在许多未被发现的“稀有”或“环境特异性”细胞。这些细胞可能在特定时间点、特定刺激或极端环境下才会出现。
- 为什么重要？
新类型/新状态的发现，可能彻底改变我们对发育、再生和疾病的理解。例如，肿瘤中的新亚群细胞，可能是耐药或复发的关键。
2.3 它们与给定系统的潜在动力学有何关系？
这里的“潜在动力学”指的是细胞类型/状态在时间、信号、环境变化下的动态转化与命运决定，如分化、再生、疾病进展等。
- 为什么重要？
理解细胞状态的动态变化，有助于揭示生命过程的因果机制。比如，某些新出现的细胞状态，是否真正驱动疾病的发生和进展？
2.4 细胞自下而上自组织与自上而下环境约束的相互作用？
单个细胞不是孤立存在的。细胞间通过自下而上的自组织行为形成组织，而**微环境和更高层级生理环境（如炎症、应激）**则自上而下施加限制。
- 为什么重要？
只有搞清楚多层级（细胞-微环境-系统）之间的互作，才能真正理解组织形成、修复与疾病的发生发展。
2.5 如何从单细胞数据中推断细胞间相互作用？
单细胞数据为刻画每个细胞状态提供了基础，但如何从中揭示细胞间通讯、协作的规律，仍是一个巨大挑战。
- 为什么重要？
重建细胞通讯网络，是理解组织功能和精准干预的关键。
2.6 什么样的计算方法能整合多模态数据，推动新发现？
随着单细胞组学快速发展，数据类型越来越多样：转录组、蛋白组、表观组、空间组学等。如何整合、挖掘这些大数据，是方法学的重大突破口。
- 为什么重要？
高效整合和解析多模态数据，是推动生物学新发现、赋能AI驱动科研的核心动力。
2.7 单细胞组学与成像、AI结合能开辟哪些新前沿？
未来，单细胞技术将与空间组学、显微成像、深度学习等领域深度融合。如3D空间组学、活体成像与AI预测疾病进展。
- 为什么重要？
单细胞技术正从“测序工具”进化为跨学科整合平台，为生命科学提出前所未有的新问题和新解法。
3. 专家观点速览 | Insights from Pioneers
- M Madan Babu：关注细胞的空间组织、迁移、物理连接、分化谱系等属性在多细胞系统内的平衡调控。
- Prisca Liberali：组织的发育和再生依赖细胞的自下而上自组织，细胞通讯既有化学本质也包含机械/电信号。
- Ido Amit：跨类型数据整合是未来单细胞研究的主要障碍，需开发新计算工具。
- Bart Deplancke：Live-seq等新技术可实现活细胞的时空转录组测序。
- Galit Lahav：单细胞研究既有动态成像（活细胞追踪），也有大规模静态测序（异质性分析）。
- Shalev Itzkovitz：提出“分区”理论，即不同空间区域细胞执行不同任务；挑战在于重建细长细胞的空间表达模式。
- Matthias Mann：AI引导下激光切割+组学分析，精准分析单细胞及其空间信息。
- Julio Saez‐Rodriguez：机器学习应与分子机制知识结合，支持动态模型、优化干预效果。
- Fabian Theis：AI/数据科学成为大规模单细胞数据分析的关键动力。
- Roland Eils：空间组学+免疫组学有望推动癌症诊断和创新疗法设计。
3. 专家视角 | Highlights from Leading Experts
本文特邀多位单细胞领域顶尖学者，从多学科视角，深入剖析当前挑战与未来机遇。以下是各位专家的核心观点提炼：
M Madan Babu
- 多层次属性与稳态调控
强调理解细胞的空间组织、迁移特性、物理连接、分化谱系和超微结构之间的相互作用。提出：这些属性如何在不同生理和病理情境下，协同维持或打破多细胞系统的平衡，是未来研究的关键。
Prisca Liberali
- 自组织与时空协调
指出发育和再生过程中，组织的建立依赖于细胞自下而上的自组织，而非简单的自上而下控制。细胞之间既有化学信号通讯，也包含机械和电信号。每个细胞需通过内部机制感知自己的时空位置，从而在群体中精确协作，决定器官形态与组织稳态。
Ido Amit
- 数据整合的挑战
认为单细胞组学已产生多类型、超大规模数据，未来亟需开发新型计算工具与方法，实现不同数据模态的有效整合，打破目前分析能力的瓶颈。
Bart Deplancke
- 前沿技术突破
介绍了Live-seq等新技术，使研究者能够在活细胞水平进行时空分辨的转录组分析，为动态追踪细胞状态提供了全新手段。
Galit Lahav
- 方法学双轨并进
强调单细胞研究路径有两大方向：一是活细胞成像与动态生物传感，实时跟踪信号分子变化并关联表型；二是大规模单细胞组学，揭示细胞异质性与发育谱系。例如，单细胞RNA测序揭示胚胎发育和免疫应答过程的复杂性。
Shalev Itzkovitz
- 空间异质性与分区现象
提出“分区（zoning）”概念，即组织内不同空间区域的细胞被分配不同生物学任务。强调重建细长细胞（如神经元、内皮细胞）的空间表达模式，尤其关注细胞内RNA的极化分布。
Matthias Mann
- 空间组学+AI辅助切割
展望AI引导的激光显微切割技术，直接在组织中精确分离单细胞进行分析。关注样本选取的精度与空间背景信息的保护，是实现高分辨空间组学的关键。
Julio Saez‐Rodriguez
- 机器学习与分子机制结合
提倡将机器学习与已有分子机制知识融合，发展动态机制模型，不仅解释观测数据，还能预测药物或其他干预对组织的影响，为精准医疗带来新可能。
Fabian Theis
- AI驱动大数据分析
认为现代数据科学、尤其是人工智能和机器学习，将在细胞状态/类型识别、动态分析、多组学整合等方面持续驱动单细胞领域的发展。
Roland Eils
- 空间免疫组学的前景
展望通过空间组学与免疫组学（如TCR测序）结合，深入揭示肿瘤及其微环境的空间组织和免疫细胞表型，有望革新癌症诊断和个性化治疗方案的设计。
小结与思考单细胞生物学正在快速突破技术和认知边界，未来的发展方向高度依赖于多模态整合、计算创新和交叉学科融合。对于研究者而言，理解这些核心问题与技术趋势，将是进入生命科学下一个十年的关键。