克隆驱动的转录组ClonoCluster聚类法：融合单细胞测序数据

ClonoCluster是一种创新的单细胞RNA测序分析方法，它专注于利用克隆起源这一独特的生物学特征来进行转录组聚类。该技术由李坡里奇曼、约格什·戈亚尔、康妮·L·姜等人在2023年发表在《细胞基因组学》杂志上提出，文章的DOI为10.1016/j.xgen.2022.100247。这种方法的亮点在于它能够整合转录组数据和克隆信息，生成混合聚类，这些混合聚类不仅能够反映出生物学上的标志物，还能降低细胞类型之间的混淆和不确定性。 ClonoCluster的核心原理是通过分析每个细胞的克隆特征，也就是它们的DNA序列重复模式，来辅助转录组数据的聚类。这种结合使用能够提供更精细的细胞分类，因为克隆信息可以揭示细胞的分化状态和历史，尤其是在那些转录组相似但克隆特征不同的细胞群体中。通过这种方式，ClonoCluster能够在保持高保真度的同时，识别出那些基于转录组无法轻易区分的细胞类型。 在实际操作中，研究人员在六个独立的数据集上测试了ClonoCluster，结果表明，这种方法生成的混合聚类表现出明显的生物学差异，且与传统仅依赖转录组数据的聚类相比，具有更高的特异性和区分力。特别值得注意的是，ClonoCluster关注的标记物主要集中在核糖体功能基因上，这暗示着细胞的蛋白质合成能力在混合聚类中起到了关键作用。 混合聚类的优势还体现在它能够减少细胞类型间的熵，即混杂程度，使得研究人员能够更好地理解细胞的发育路径和分化阶段。这对于解析复杂细胞图谱和理解细胞命运决定有着重要的意义。 ClonoCluster是单细胞分析领域的一个重要突破，它将克隆信息与转录组分析相结合，提高了细胞聚类的精度和生物学解释力，为深入研究细胞分化、疾病机制以及药物靶向提供了有力工具。这项技术的开源性质使得其他研究者也能便捷地应用这一方法，推动整个领域的研究进展。