БИОХИМИЯ, 2020, том 85, вып. 2, с. 165–173

УДК 577.21

Протеогеномика единичных клеток – ближайшая перспектива

Обзор

© 2020 С.А. Мошковский 1,2*, А.А. Лобас 3, М.В. Горшков 3

Российский национальный исследовательский медицинский университет им. Н.И. Пирогова, 117997 Москва, Россия; электронная почта: smosh@mail.ru

Научно-исследовательский институт биомедицинской химии им. В.Н. Ореховича, 119121 Москва, Россия

Институт энергетических проблем химической физики им. В.Л. Тальрозе, Федеральный исследовательский центр химической физики им. Н.Н. Семенова РАН, 119334 Москва, Россия

Поступила в редакцию 15.10.2019
После доработки 11.11.2019
Принята к публикации 11.11.2019

DOI: 10.31857/S0320972520020025

КЛЮЧЕВЫЕ СЛОВА: протеомика, транскриптомика, протеогеномика, анализ единичных клеток, таргетная массовая метка (TMT), масс-спектрометрия.

Аннотация

Технические достижения в области геномных технологий последних лет привели к взрывному росту исследований живых систем на уровне единичных клеток в масштабах целых транскриптомов. В обзоре представлено как вслед за транскриптомикой свой путь в анализе единичных клеток начинает протеомика. Уже появились первые работы по использованию хроматомасс-спектрометрического анализа полных протеомов на отдельных клетках. Разделение клеток в них осуществляют по аналогии с транскриптомным анализом, например, методом клеточного сортинга, а масс-спектрометрический анализ проводят с помощью модифицированного метода тандемных массовых меток. Объединение результатов транскриптомного и протеомного анализа в рамках протеогеномного подхода к молекулярному профилированию анализируемых клеток улучшит понимание механизмов клеточного взаимодействия как при развитии организмов, так и в различных патологиях.

Сноски

* Адресат для корреспонденции.

Финансирование

Работа выполнена при финансовой поддержке РНФ (грант 17-15-01229).

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов.

Соблюдение этических норм

Настоящая работа не содержит описания исследований, выполненных с участием людей или использованием животных в качестве объектов.

Список литературы

1. Horgan, R.P., and Kenny, L.C. (2011) “Omic” technologies: genomics, transcriptomics, proteomics and metabolomics, Obstet. Gynaecol., 13, 189–195, doi: 10.1576/toag.13.3.189.27672.

2. Geyer, P.E., Voytik, E., Treit, P. V, Doll, S., Kleinhempel, A., Niu, L., Müller, J.B., Buchholtz, M., Bader, J.M., Teupser, D., Holdt, L.M., and Mann, M. (2019) Plasma proteome profiling to detect and avoid sample-related biases in biomarker studies, EMBO Mol. Med., doi: 10.15252/emmm.201910427.

3. Banfalvi, G. (2011) Overview of cell synchronization, Methods Mol. Biol., 761, 1–23, doi: 10.1007/978-1-61779-182-6_1.

4. Emmert-Buck, M.R., Bonner, R.F., Smith, P.D., Chuaqui, R.F., Zhuang, Z., Goldstein, S.R., Weiss, R.A., and Liotta, L.A. (1996) Laser capture microdissection, Science, 274, 998–1001, doi: 10.1126/science.274.5289.998.

5. Ziegenhain, C., Vieth, B., Parekh, S., Reinius, B., Guillaumet-Adkins, A., Smets, M., Leonhardt, H., Heyn, H., Hellmann, I., and Enard, W. (2017) Compara-tive analysis of single-cell RNA sequencing methods, Mol. Cell, 65, 631–643, doi: 10.1016/j.molcel.2017.01.023.

6. Lee, J.H., Daugharthy, E.R., Scheiman, J., Kalhor, R., Yang, J.L., Ferrante, T.C., Terry, R., Jeanty, S.S.F., Li, C., Amamoto, R., Peters, D.T., Turczyk, B.M., Marblestone, A.H., Inverso, S.A., Bernard, A., Mali, P., Rios, X., Aach, J., and Church, G.M. (2014) Highly multiplexed subcellular RNA sequencing in situ, Science, 343, 1360–1363, doi: 10.1126/science.1250212.

7. Lee, J.H., Daugharthy, E.R., Scheiman, J., Kalhor, R., Ferrante, T.C., Terry, R., Turczyk, B.M., Yang, J.L., Lee, H.S., Aach, J., Zhang, K., and Church, G.M. (2015) Fluorescent in situ sequencing (FISSEQ) of RNA for gene expression profiling in intact cells and tissues, Nat. Protoc., 10, 442–458, doi: 10.1038/nprot.2014.191.

8. Picelli, S., Faridani, O.R., Björklund, Å.K., Winberg, G., Sagasser, S., and Sandberg, R. (2014) Full-length RNA-seq from single cells using Smart-seq2, Nat. Protoc., 9, 171–181, doi: 10.1038/nprot.2014.006.

9. Valihrach, L., Androvic, P., and Kubista, M. (2018) Platforms for single-cell collection and analysis, Int. J. Mol. Sci., 19, 807, doi: 10.3390/ijms19030807.

10. Zheng, G.X.Y., Terry, J.M., Belgrader, P., Ryvkin, P., Bent, Z.W., Wilson, R., Ziraldo, S.B., Wheeler, T.D., McDermott, G.P., Zhu, J., Gregory, M.T., Shuga, J., Montesclaros, L., Underwood, J.G., Masquelier, D.A., Nishimura, S.Y., Schnall-Levin, M., Wyatt, P.W., Hindson, C.M., Bharadwaj, R., Wong, A., Ness, K.D., Beppu, L.W., Deeg, H.J., McFarland, C., Loeb, K.R., Valente, W.J., Ericson, N.G., Stevens, E.A., Radich, J.P., Mikkelsen, T.S., Hindson, B.J., and Bielas, J.H. (2017) Massively parallel digital transcriptional profiling of single cells, Nat. Commun., 8, 14049, doi: 10.1038/ncomms14049.

11. Islam, S., Zeisel, A., Joost, S., La Manno, G., Zajac, P., Kasper, M., Lönnerberg, P., and Linnarsson, S. (2014) Quantitative single-cell RNA-seq with unique molecular identifiers, Nat. Methods, 11, 163–166, doi: 10.1038/nmeth.2772.

12. Zhang, X., Li, T., Liu, F., Chen, Y., Yao, J., Li, Z., Huang, Y., and Wang, J. (2019) Comparative analysis of droplet-based ultra-high-throughput single-cell RNA-seq systems, Mol. Cell, 73, 130–142, doi: 10.1016/j.molcel.2018.10.020.

13. Soldatov, R., Kaucka, M., Kastriti, M.E., Petersen, J., Chontorotzea, T., Englmaier, L., Akkuratova, N., Yang, Y., Häring, M., Dyachuk, V., Bock, C., Farlik, M., Piacentino, M.L., Boismoreau, F., Hilscher, M.M., Yokota, C., Qian, X., Nilsson, M., Bronner, M.E., Croci, L., Hsiao, W.-Y., Guertin, D.A., Brunet, J.-F., Consalez, G.G., Ernfors, P., Fried, K., Kharchenko, P.V., and Adameyko, I. (2019) Spatiotemporal structure of cell fate decisions in murine neural crest, Science, 364, 9536, doi: 10.1126/science.aas9536.

14. La Manno, G., Soldatov, R., Zeisel, A., Braun, E., Hochgerner, H., Petukhov, V., Lidschreiber, K., Kastriti, M.E., Lönnerberg, P., Furlan, A., Fan, J., Borm, L.E., Liu, Z., van Bruggen, D., Guo, J., He, X., Barker, R., Sundström, E., Castelo-Branco, G., Cramer, P., Adameyko, I., Linnarsson, S., and Kharchenko, P.V. (2018) RNA velocity of single cells, Nature, 560, 494–498, doi: 10.1038/s41586-018-0414-6.

15. Burgess, D.J. (2018) Full speed ahead for single-cell analysis, Nat. Rev. Genet., 19, 668–669, doi: 10.1038/s41576-018-0049-3.

16. Hodge, R.D., Bakken, T.E., Miller, J.A., Smith, K.A., Barkan, E.R., Graybuck, L.T., Close, J.L., Long, B., Johansen, N., Penn, O., Yao, Z., Eggermont, J., Höllt, T., Levi, B.P., Shehata, S.I., Aevermann, B., Beller, A., Bertagnolli, D., Brouner, K., Casper, T., Cobbs, C., Dalley, R., Dee, N., Ding, S.-L., Ellenbogen, R.G., Fong, O., Garren, E., Goldy, J., Gwinn, R.P., Hirschstein, D., Keene, C.D., Keshk, M., Ko, A.L., Lathia, K., Mahfouz, A., Maltzer, Z., McGraw, M., Nguyen, T.N., Nyhus, J., Ojemann, J.G., Oldre, A., Parry, S., Reynolds, S., Rimorin, C., Shapovalova, N. V, Somasundaram, S., Szafer, A., Thomsen, E.R., Tieu, M., Quon, G., Scheuermann, R.H., Yuste, R., Sunkin, S.M., Lelieveldt, B., Feng, D., Ng, L., Bernard, A., Hawrylycz, M., Phillips, J.W., Tasic, B., Zeng, H., Jones, A.R., Koch, C., and Lein, E.S. (2019) Conserved cell types with divergent features in human versus mouse cortex, Nature, 573, 61–68, doi: 10.1038/s41586-019-1506-7.

17. Khrameeva, E., Kurochkin, I., Han, D., Guijarro, P., Kanton, S., Santel, M., Qian, Z., Rong, S., Mazin, P., Bulat, M., Efimova, O., Tkachev, A., Guo, S., Sherwood, C.C., Camp, J.G., Paabo, S., Treutlein, B., and Khaitovich, P. (2019) Single-cell-resolution transcriptome map of human, chimpanzee, bonobo, and macaque brains, bioRxiv, 764936, doi: 10.1101/764936.

18. Shekhar, K., and Menon, V. (2019) Identification of cell types from single-cell transcriptomic data, Methods Mol. Biol., 1935, 45–77, doi: 10.1007/978-1-4939-9057-3_4.

19. Archakov, A., Ivanov, Y., Lisitsa, A., and Zgoda, V. (2009) Biospecific irreversible fishing coupled with atomic force microscopy for detection of extremely low-abundant proteins, Proteomics, 9, 1326–1343, doi: 10.1002/pmic.200800598.

20. Aymoz, D., Wosika, V., Durandau, E., and Pelet, S. (2016) Real-time quantification of protein expression at the single-cell level via dynamic protein synthesis translocation reporters, Nat. Commun., 7, 11304, doi: 10.1038/ncomms11304.

21. Fulwyler, M.J. (1965) Electronic separation of biological cells by volume, Science, 150, 910–911, doi: 10.1126/science.150.3698.910.

22. Picot, J., Guerin, C.L., Le Van Kim, C., and Boulanger, C.M. (2012) Flow cytometry: retrospective, fundamentals and recent instrumentation, Cytotechnology, 64, 109–130, doi: 10.1007/s10616-011-9415-0.

23. Hughes, A.J., Spelke, D.P., Xu, Z., Kang, C.-C., Schaffer, D. V, and Herr, A.E. (2014) Single-cell western blotting, Nat. Methods, 11, 749–755, doi: 10.1038/nmeth.2992.

24. Bendall, S.C., Simonds, E.F., Qiu, P., Amir, El-ad D., Krutzik, P.O., Finck, R., Bruggner, R. V., Melamed, R., Trejo, A., Ornatsky, O.I., Balderas, R.S., Plevritis, S.K., Sachs, K., Pe’er, D., Tanner, S.D., and Nolan, G.P. (2011) Single-cell mass cytometry of differential immune and drug responses across human hematopoietic continuum, Science, 332, 687–696, doi: 10.1126/science.1198704.

25. Palii, C.G., Cheng, Q., Gillespie, M.A., Shannon, P., Mazurczyk, M., Napolitani, G., Price, N.D., Ranish, J.A., Morrissey, E., Higgs, D.R., and Brand, M. (2019) Single-cell proteomics reveal that quantitative changes in co-expressed lineage-specific transcription factors determine cell fate, Cell Stem Cell, 24, 812–820, doi: 10.1016/j.stem.2019.02.006.

26. Marcon, E., Jain, H., Bhattacharya, A., Guo, H., Phanse, S., Pu, S., Byram, G., Collins, B.C., Dowdell, E., Fenner, M., Guo, X., Hutchinson, A., Kennedy, J.J., Krastins, B., Larsen, B., Lin, Z.-Y., Lopez, M.F., Loppnau, P., Miersch, S., Nguyen, T., Olsen, J.B., Paduch, M., Ravichandran, M., Seitova, A., Vadali, G., Vogelsang, M.S., Whiteaker, J.R., Zhong, G., Zhong, N., Zhao, L., Aebersold, R., Arrowsmith, C.H., Emili, A., Frappier, L., Gingras, A.-C., Gstaiger, M., Paulovich, A.G., Koide, S., Kossiakoff, A.A., Sidhu, S.S., Wodak, S.J., Gräslund, S., Greenblatt, J.F., and Edwards, A.M. (2015) Assessment of a method to characterize antibody selectivity and specificity for use in immunoprecipitation, Nat. Methods, 12, 725–731, doi: 10.1038/nmeth.3472.

27. Coscia, F., Watters, K.M., Curtis, M., Eckert, M.A., Chiang, C.Y., Tyanova, S., Montag, A., Lastra, R.R., Lengyel, E., and Mann, M. (2016) Integrative proteomic profiling of ovarian cancer cell lines reveals precursor cell associated proteins and functional status, Nat. Commun., 7, 12645, doi: 10.1038/ncomms12645.

28. Kaur, P., and O’Connor, P.B. (2007) Quantitative determination of isotope ratios from experimental isotopic distributions, Anal. Chem., 79, 1198–1204, doi: 10.1021/ac061535z.

29. Ho, B., Baryshnikova, A., and Brown, G.W. (2018) Unification of protein abundance datasets yields a quantitative Saccharomyces cerevisiae proteome, Cell Syst., 6, 192–205, doi: 10.1016/j.cels.2017.12.004.

30. Siwiak, M., and Zielenkiewicz, P. (2013) Transimulation – protein biosynthesis web service, PLoS One, 8, e73943, doi: 10.1371/journal.pone.0073943.

31. Virant-Klun, I., Leicht, S., Hughes, C., and Krijgsveld, J. (2016) Identification of maturation-specific proteins by single-cell proteomics of human oocytes, Mol. Cell. Proteomics, 15, 2616–2627, doi: 10.1074/mcp.M115.056887.

32. Sun, L., Dubiak, K.M., Peuchen, E.H., Zhang, Z., Zhu, G., Huber, P.W., and Dovichi, N.J. (2016) Single cell proteomics using frog ( Xenopus laevis ) blastomeres isolated from early stage embryos, which form a geometric progression in protein content, Anal. Chem., 88, 6653–665, doi: 10.1021/acs.analchem.6b01921.

33. Moroz, L.L. (2018) Neurosystematics and periodic system of neurons: model vs reference species at single-cell resolution, ACS Chem. Neurosci., 9, 1884–1903, doi: 10.1021/acschemneuro.8b00100.

34. Chesnokova, E., Zuzina, A., Bal, N., Vinarskaya, A., Roshchin, M., Artyuhov, A., Dashinimaev, E., Aseyev, N., Balaban, P., and Kolosov, P. (2019) Experiments with snails add to our knowledge about the role of aPKC subfamily kinases in learning, Int. J. Mol. Sci., 20, 2117, doi: 10.3390/ijms20092117.

35. Thompson, A., Schäfer, J., Kuhn, K., Kienle, S., Schwarz, J., Schmidt, G., Neumann, T., Johnstone, R., Mohammed, A.K.A., and Hamon, C. (2003) Tandem mass tags: a novel quantification strategy for comparative analysis of complex protein mixtures by MS/MS, Anal. Chem., 75, 1895–904, doi: 10.1021/ac0262560.

36. Budnik, B., Levy, E., Harmange, G., and Slavov, N. (2018) SCoPE-MS: mass spectrometry of single mammalian cells quantifies proteome heterogeneity during cell differentiation, Genome Biol., 19, 161, doi: 10.1186/s13059-018-1547-5.

37. Huffman, R.G., Chen, A., Specht, H., and Slavov, N. (2019) DO-MS: data-driven optimization of mass spectrometry methods. J. Proteome Res., 18, 2493–2500, doi: 10.1021/acs.jproteome.9b00039.

38. Chen, A.T., Franks, A., and Slavov, N. (2019) DART-ID increases single-cell proteome coverage, PLOS Comput. Biol., 15, e1007082, doi: 10.1371/journal.pcbi.1007082.

39. Specht, H., Emmott, E., Perlman, D.H., Koller, A., and Slavov, N. (2019) High-throughput single-cell proteomics quantifies the emergence of macrophage heterogeneity, bioRxiv, 665307, doi: 10.1101/665307.

40. Dou, M., Clair, G., Tsai, C.-F., Xu, K., Chrisler, W.B., Sontag, R.L., Zhao, R., Moore, R.J., Liu, T., Pasa-Tolic, L., Smith, R.D., Shi, T., Adkins, J.N., Qian, W.-J., Kelly, R.T., Ansong, C., and Zhu, Y. (2019) High-throughput single cell proteomics enabled by multiplex isobaric labeling in a nanodroplet sample preparation platform, Anal. Chem., 9b03349, doi: 10.1021/acs.analchem.9b03349.

41. Zhu, Y., Piehowski, P.D., Zhao, R., Chen, J., Shen, Y., Moore, R.J., Shukla, A.K., Petyuk, V.A., Campbell-Thompson, M., Mathews, C.E., Smith, R.D., Qian, W.-J., and Kelly, R.T. (2018) Nanodroplet processing platform for deep and quantitative proteome profiling of 10–100 mammalian cells, Nat. Commun., 9, 882, doi: 10.1038/s41467-018-03367-w.

42. Schoof, E.M., Rapin, N., Savickas, S., Gentil, C., Lechman, E., Haile, J.S., auf dem Keller, U., Dick, J.E., and Porse, B.T. (2019) A quantitative single-cell proteomics approach to characterize an acute myeloid leukemia hierarchy, bioRxiv, 745679, doi: 10.1101/745679.

43. Johansson, H.J., Socciarelli, F., Vacanti, N.M., Haugen, M.H., Zhu, Y., Siavelis, I., Fernandez-Woodbridge, A., Aure, M.R., Sennblad, B., Vesterlund, M., Branca, R.M., Orre, L.M., Huss, M., Fredlund, E., Beraki, E., Garred, Ø., Boekel, J., Sauer, T., Zhao, W., Nord, S., Höglander, E.K., Jans, D.C., Brismar, H., Haukaas, T.H., Bathen, T.F., Schlichting, E., Naume, B., Luders, T., Borgen, E., Kristensen, V.N., Russnes, H.G., Lingjaerde, O.C., Mills, G.B., Sahlberg, K.K., Børresen-Dale, A.-L., and Lehtiö, J. (2019) Breast cancer quantitative proteome and proteogenomic landscape, Nat. Commun., 10, 1600, doi: 10.1038/s41467-019-09018-y.

44. Dimitrakopoulos, L., Prassas, I., Diamandis, E.P., Nesvizhskii, A., Kislinger, T., Jaffe, J., and Drabovich, A. (2016) Proteogenomics: opportunities and caveats, Clin. Chem., 62, 551–557, doi: 10.1373/clinchem.2015.247858.

45. Smith, L.M., and Kelleher, N.L. (2013) Proteoform: a single term describing protein complexity. Nat. Methods, 10, 186–187, doi: 10.1038/nmeth.2369.

46. Simões, A.E., Pereira, D.M., Amaral, J.D., Nunes, A.F., Gomes, S.E., Rodrigues, P.M., Lo, A.C., D’Hooge, R., Steer, C.J., Thibodeau, S.N., Borralho, P.M., and Rodrigues, C.M. (2013) Efficient recovery of proteins from multiple source samples after trizol(®) or trizol(®)LS RNA extraction and long-term storage, BMC Genomics, 14, 181, doi: 10.1186/1471-2164-14-181.

47. Mun, D.-G., Bhin, J., Kim, S., Kim, H., Jung, J.H., Jung, Y., Jang, Y.E., Park, J.M., Kim, H., Jung, Y., Lee, H., Bae, J., Back, S., Kim, S.-J., Kim, J., Park, H., Li, H., Hwang, K.-B., Park, Y.S., Yook, J.H., Kim, B.S., Kwon, S.Y., Ryu, S.W., Park, D.Y., Jeon, T.Y., Kim, D.H., Lee, J.-H., Han, S.-U., Song, K.S., Park, D., Park, J.W., Rodriguez, H., Kim, J., Lee, H., Kim, K.P., Yang, E.G., Kim, H.K., Paek, E., Lee, S., Lee, S.-W., and Hwang, D. (2019) Proteogenomic characterization of human early-onset gastric cancer, Cancer Cell, 35, 111–124, doi: 10.1016/j.ccell.2018.12.003.

48. Poirion, O., Zhu, X., Ching, T., and Garmire, L.X. (2018) Using single nucleotide variations in single-cell RNA-seq to identify subpopulations and genotype-phenotype linkage, Nat. Commun., 9, 4892, doi: 10.1038/s41467-018-07170-5.

49. Levitsky, L.I., Kliuchnikova, A.A., Kuznetsova, K.G., Karpov, D.S., Ivanov, M.V., Pyatnitskiy, M.A., Kalinina, O.V., Gorshkov, M.V., and Moshkovskii, S.A. (2019) Adenosine-to-inosine RNA editing in mouse and human brain proteomes, Proteomics, 1900195, doi: 10.1002/pmic.201900195.

50. Ximerakis, M., Lipnick, S.L., Innes, B.T., Simmons, S.K., Adiconis, X., Dionne, D., Mayweather, B.A., Nguyen, L., Niziolek, Z., Ozek, C., Butty, V.L., Isserlin, R., Buchanan, S.M., Levine, S.S., Regev, A., Bader, G.D., Levin, J.Z., and Rubin, L.L. (2019) Single-cell transcriptomic profiling of the aging mouse brain, Nat. Neurosci., 22, 1696–1708, doi: 10.1038/s41593-019-0491-3.