人类细胞图谱的7种关键计算工具

图为大脑后部小脑部分的荧光显微照片，其中细胞核呈红色，蛋白质呈绿色和蓝(lán)色(sè)。

随着国际社会的努力，研究人员达到了“临界质量”的成就，《自然》（Nature）杂志重点介绍了单细胞研究使用的7种工具，这些工(gōng)具(jù)将(jiāng)为(wèi)未(wèi)来(lái)的(de)科(kē)学(xué)发(fā)现(xiàn)提(tí)供(gōng)强(qiáng)大(dà)的(de)动(dòng)力(lì)。

单(dān)细(xì)胞(bāo)技(jì)术(shù)以(yǐ)其(qí)革(gé)命(mìng)性(xìng)的(de)视(shì)野(yě)，打(dǎ)破(pò)了(le)传(chuán)统(tǒng)生(shēng)物(wù)学(xué)研(yán)究(jiū)中(zhōng)模(mó)糊(hu)的(de)视(shì)角(jiǎo)，使(shǐ)科(kē)学(xué)家(jiā)能(néng)够(gòu)细(xì)致(zhì)地(de)研(yán)究(jiū)每(měi)个(gè)细(xì)胞(bāo)的(de)基(jī)因(yīn)或(huò)其(qí)它(tā)特(tè)征(zhēng)，而(ér)非(fēi)仅仅观察一群细胞的平均行为。然而，这项技术也带来了挑战：数据的收集和分析成本高昂，研究者通常需要在分辨率、通量和组(zǔ)织(zhī)位(wèi)置之间做出权衡。尽管在单细胞生物学中，研究者可以深入了解单个细胞的信息，但有时却难以精准确定其来源。

人类细胞图谱（Human Cell Atlas, HCA）作为单细胞技术设计和应用的前沿项目，旨在对人类的每种细胞类型进行全面的分类。该项目于2016年启动，至今已对数亿个单细胞进行了剖析，产生了约440篇研究论文，并催生了几十种计算软件。

HCA项目联合主席、加州南旧金山基因泰克公司（Genentech）的研究和早期开发负责人Aviv Regev，以及参与HCA的数百名科学家，宣布他们已经取得了关键的成就。为了展示这一进展，该项目今年在《自然》（Nature）杂志上发表了20多篇论文，其中6篇发表在本期《自然》杂志上。这些论文强调了该项目在细胞命运映射、数据集成和预测建模方面的成就。 

在这里，《自然》杂志介绍了7种HCA使用的关键技术。这些计算工具可以在GitHub网站上找到，包括用于细胞分类和数据搜索图谱的方法；为研究人员提供低成本获取空间或多模态数据的途径；以及用计算机模型描述细胞如何相互作用以及病变细胞如何响应治疗。

加拿大蒙特利尔麦吉尔大学（McGill University）的生物医学工程师Darcy Wagner表示，这样的工具可以使大量数据集易于获取。你只是想从尽可能多的不同角度来看待单细胞数据，因为它对人类大脑来说太复杂了。计算技术，许多依赖于机器学习或人工智能（artificial intelligence, AI），可以完成这部分工作，并提供见解。