Microbial single-cell RNA sequencing by split-pool barcoding.
Microbial single-cell RNA sequencing by split-pool barcoding.
复制标题
DOI：
10.1126/science.aba5257
复制
发表时间：
2021-02-19
期刊：
影响因子：
--
通讯作者：
Seelig G
中科院分区：
文献类型：
--
作者：
Kuchina A;Brettner LM;Paleologu L;Roco CM;Rosenberg AB;Carignano A;Kibler R;Hirano M;DePaolo RW;Seelig G
单细胞RNA测序（scRNA-seq）已成为表征真核生物基因表达的重要工具，但目前的方法与细菌不兼容。在这里，我们介绍microSPLiT，这是一种用于革兰氏阴性和革兰氏阳性细菌的高通量scRNA-seq方法，可以解决异质性转录状态。我们将microSPLiT应用于在不同生长阶段采样的> 25，000个枯草芽孢杆菌细胞，创建了代谢和生活方式变化的图谱。我们检索了与已知但罕见的状态（如感受态和原噬菌体诱导）相关的详细基因表达谱，并确定了新的和意想不到的基因表达状态，包括细胞亚群中小生境代谢途径的异源激活。MicroSPLiT为细菌群落中基因表达的高通量分析铺平了道路，否则不适合单细胞分析，如天然微生物群。高通量微生物单细胞RNA测序方法揭示了细菌中的基因表达状态。
Single-cell RNA-sequencing (scRNA-seq) has become an essential tool for characterizing gene expression in eukaryotes but current methods are incompatible with bacteria. Here, we introduce microSPLiT, a high-throughput scRNA-seq method for gram-negative and gram-positive bacteria that can resolve heterogeneous transcriptional states. We applied microSPLiT to >25,000 Bacillus subtilis cells sampled at different growth stages, creating an atlas of changes in metabolism and lifestyle. We retrieved detailed gene expression profiles associated with known, but rare, states such as competence and prophage induction, and also identified novel and unexpected gene expression states including the heterogeneous activation of a niche metabolic pathway in a subpopulation of cells. MicroSPLiT paves the way to high-throughput analysis of gene expression in bacterial communities otherwise not amenable to single-cell analysis such as natural microbiota. A high-throughput microbial single-cell RNA sequencing method reveals gene expression states in bacteria.
登录
查看更多内容
影响因子：
4.5
作者：
Cárdenas PP;Carrasco B;Defeu Soufo C;César CE;Herr K;Kaufenstein M;Graumann PL;Alonso JC
通讯作者：
Alonso JC
DOI：
10.1073/pnas.1002499107
发表时间：
2010-05-04
影响因子：
11.1
作者：
Chastanet, Arnaud;Vitkup, Dennis;Losick, Richard M.
通讯作者：
Losick, Richard M.
影响因子：
28.3
作者：
Imdahl, Fabian;Vafadarnejad, Ehsan;Vogel, Joerg
通讯作者：
Vogel, Joerg
影响因子：
3.2
作者：
Goranov, Alexi I.;Kuester-Schoeck, Elke;Grossman, Alan D.
通讯作者：
Grossman, Alan D.
影响因子：
48
作者：
He, Shaomei;Wurtzel, Omri;Hugenholtz, Philip
通讯作者：
Hugenholtz, Philip