单细胞转录组学和蛋白质组学

     NanoString Technologies的科学家发现，细胞群体的RNA平均表达水平不一定与群体中单个细胞的RNA表达相同。例如，有些基因持续在低水平表达，而另一些则在短时间内大量表达。对宏观测定而言，这样的表达模式被平均化。

     该公司独特的数字表达谱分析系统能直接对单个RNA分析进行计数，最多可分析单细胞中的800个不同分子。这是利用nCounter Single Cell Gene Expression Assay中的分子条形码来实现的，它识别特定的RNA分子。单细胞样品在裂解后，经过逆转录和预扩增，随后与分子条形码杂交，纯化后在nCounter®分析仪上读取。

      哈佛大学的Hongkun Park研究小组与Broad研究院的Aviv Regev研究小组合作，来研究看似均质细胞中的基因表达异质性1。Park、Regev及其同事利用一种称为Smart-Seq的技术，来读取RNA转录本的覆盖。与原先的RNA-Seq方法相比，Smart-Seq让研究人员能够更详细了解mRNA选择性剪接所产生的异构体，同时更好地鉴定单核苷酸多态性（SNP）。

      通过计算机分析，Regev和Park发现，mRNA丰度和剪接模式都存在之前未观察到的双峰（bimodal）变化，并通过RNA-荧光原位杂交（FISH）对精选转录本进行了验证。如今，他们正在扩展样品类型。Park谈道：“目前我们正将单细胞RNA-Seq方法应用在各种免疫细胞、神经细胞和癌症细胞上，以便了解驱动细胞之间变化的因素、这种变化的动力学及其生物学影响。”

     Regev和Park的团队也在探索另一种新技术，最初由斯坦福大学Garry Nolan实验室开发的CyTOF Mass Cytometry。这种方法结合了质谱和流式细胞术，让研究人员能够分析单细胞所表达的几十种不同的mRNA或蛋白质。CyTOF由DVS Sciences公司推出，曾被The Scientists杂志评为2011年十大创新技术之一。

    RNA测序领域的另一项进展是RNA-capture-seq，在测序之前用Tiling芯片来放大转录组的一部分。这样能带来更好的分辨率，并且只关注感兴趣的区域。安捷伦科技公司提供这种目标捕获的工具，Illumina和罗氏NimbleGen也有。