单细胞转录组学生物标志物和靶点挖掘的新方法

单细胞转录组学（sc-RNAseq）研究，可以更加有效的解释组织的异质性，从单个细胞分辨率来解释更多bulk水平上难以解释的生物学问题。已经广泛用于肿瘤异质性、细胞发育、免疫微环境等课题研究。其产生的海量数据以及个性化分析越来越受到重视，并需要新的方法来挖掘背后的生物学意义。

生物标志物以及候选基因的挖掘在肿瘤免疫和细胞发育等研究中一直是研究的重点和热门。已有的生物标志物是基于差异分析或者无尺度网络中核心基因的方法来进行挖掘的；但是这些方法只能挖掘静态的生物标志物；而忽略了大多数疾病以及生物学过程，如肿瘤进展和免疫反应等都是一个动态变化的过程[1]。不同于静态的分析方法，动态生物标志物（DNB）方法是一种基于稳健的隐马尔可夫数学模型，对具有时序的组学数据进行网络水平的建模，主要用于生物学系统的临界时期或者临界状态进行鉴定，很适合生物学过程的研究（图1）。例如，2018年发表在《Nat Commun》的一项研究对肝癌原位移植小鼠的进行建模开展 DNB 的研究，基于转录组学基因表达图谱，检测肝癌肺转移的早期预警信号；进一步通过 DNB 评分获得了DNB核心基因钙离子传导蛋白基因（Calmodulin-like-protein 3，CALML3），通过实验验证表明与 CALML3 与肝癌增殖、侵袭、侵移呈正相关，而且证实了敲低 CALML3 能够作为转移的抑制剂[2]。