跳轉至內容
首頁功能基因組學篩選單細胞解析度發現

單細胞解析度發現

具有 10 倍基因組學相容性的池式 CRISPR 篩選

CRISPR 慢病毒產品是發現新基因和細胞通路的強大研究工具,對於了解人類健康和疾病至關重要。身為慢病毒文庫生產的全球領導廠商,我們可以根據任何規格來設計和建立客製化的文庫。有了這種能力,我們與 10x Genomics 合作,帶來創新的集合篩選產品,以單細胞解析度進行發現

CRISPR 為基礎的功能基因組學篩選提供了對可測量表型的基因貢獻的概觀。然而,大量篩選只能提供可選擇表型以外的有限功能資訊。在另一端,單細胞分析可提供候選基因全基因組轉錄組側面的高含量資訊。我們提供與 Chromium Next GEM 單細胞基因表達分析相容的最佳化慢病毒載體,並利用 10x Genomics 的特徵條碼技術。

若要向代表洽詢更多資訊或要求報價:

Recommendations

  • 考慮使用我們的最佳化套件和/或個別克隆進行試驗研究
  • 對於小池篩選,我們建議每個靶向導向基因使用 100-200 個細胞,
    500-1000 個含有非靶向導向基因的細胞。
  • 每個基因靶點使用 2-5 個 gRNA

具有 10 倍單細胞相容性的載體選項:

dCas9 向量
10 倍單細胞相容 gRNA 向量與捕獲序列
10 倍單細胞相容 gRNA 向量與捕獲序列
10 倍單細胞相容 gRNA 向量與捕獲序列
10 倍單細胞相容 gRNA 向量與捕獲序列
10x 基因組學相容向量。

擷取序列整合

CRISPRi 特徵條碼技術優化套件

圖 1.CRISPRi 特徵條碼技術優化套件

本試劑盒包括代表 2 種可能的捕獲序列和 2 種位置組合(捕獲序列 1 或 2,在莖環或 3′ 位置)的病毒池。每個池中有 2 個 CRISPRi sgRNA,1 個是針對 RAB1A 的,1 個是非針對性的 control sgRNA。每個池子以 1x10^6 病毒滴度提供,足以覆蓋 MOI 為 0.5 的 ~2x10^6 cells。優化套件的目的是在訂購客製化池之前,建立試驗性篩選,以確定最佳的擷取序列和位置配置。

10x特徵條碼技術(gRNA)的相容產品

具有 10 倍基因組學相容性的匯集 CRISPR 篩選

圖 2.我們建議建立自訂池,以便在執行 10x 單細胞 CRISPR 分析時,每個靶向導向因子可回收 100-200 個細胞,而含有非靶向導向因子的可回收 500-1000 個細胞。 舉例來說,如果使用者希望回收 10,000 個細胞作為目標,我們建議導向池中 10% 為非目標導向,其餘 90% 為目標導向。 對於此範例中的目標導引,我們建議每個目標導引佔整體導引池的〉=2%。 執行的細胞越多,非目標導航所佔的百分比就越小。

以單細胞解析度追蹤基因擾動

基因敲除效率:對數倍變化對比 p 值

敲除效率:log2 倍數 vs p 值

圖 3.來自小型 CRISPRi 測試庫的結果,透過表達與正常水平的折疊變化,顯示每個導向因子對其目標基因的基因敲除效率。非靶向導向因子以及敲除效率較低的導向因子位於右下方象限,而那些表現出較強和統計上顯著抑制作用的導向因子位於左上方。由於細胞系的差異和 gRNA 的效率,每個基因使用多個 gRNA 進行靶向是很重要的,我們建議每個基因使用 3-5 個 gRNA。

單細胞分析與全片段輸出

可透過 CRISPR 導向和轉錄物組剖面進行新的、更高解析度的聚類分析。

圖 4.可透過 CRISPR 導向和轉錄物組剖面進行聚類的全新、更高解析度的分析。 A375 細胞以 10x Genomics 相容的載體中約 100 個導向因子進行轉導。每個點代表一個細胞 (A) 僅基於基因表達剖面的聚類。(B) 僅基於 CRISPR 導向因子特性的聚類。獨特的聚類表明該平台可以成功識別出獨特的導向因子,並以此為基礎探索由此產生的基因表達變化。(C)(A)中的特定細胞,代表存在非靶向導向或靶向 ELOF1 的 CRISPRi 導向。 (D)(C)中表達非靶向導向或靶向 ELOF1 導向的細胞中 ELOF1 的基因表達分析。表達資料顯示,在表達以 ELOF1 為靶點的 CRISPRi 導向因子的細胞中,ELOF1 mRNA 的存在顯著減少,作為概念驗證,顯示有可能在單細胞中同時分析轉錄組狀況和基因擾動。

其他資源

使用慢病毒進行單細胞 CRISPR 篩選的方案:

如需更多關於特徵條碼技術和分析的資訊:

產品

Loading

參考資料

1.
Dixit A, Parnas O, Li B, Chen J, Fulco CP, Jerby-Arnon L, Marjanovic ND, Dionne D, Burks T, Raychowdhury R, et al. 2016. Perturb-Seq: Dissecting Molecular Circuits with Scalable Single-Cell RNA Profiling of Pooled Genetic Screens. Cell. 167(7):1853-1866.e17. https://doi.org/10.1016/j.cell.2016.11.038
2.
Jaitin DA, Weiner A, Yofe I, Lara-Astiaso D, Keren-Shaul H, David E, Salame TM, Tanay A, van Oudenaarden A, Amit I. 2016. Dissecting Immune Circuits by Linking CRISPR-Pooled Screens with Single-Cell RNA-Seq. Cell. 167(7):1883-1896.e15. https://doi.org/10.1016/j.cell.2016.11.039
3.
Datlinger P, Rendeiro AF, Schmidl C, Krausgruber T, Traxler P, Klughammer J, Schuster LC, Kuchler A, Alpar D, Bock C. 2017. Pooled CRISPR screening with single-cell transcriptome readout. Nat Methods. 14(3):297-301. https://doi.org/10.1038/nmeth.4177
4.
Gasperini M, Hill AJ, McFaline-Figueroa JL, Martin B, Trapnell C, Ahituv N, Shendure J. crisprQTL mapping as a genome-wide association framework for cellular genetic screens. https://doi.org/10.1101/314344
5.
Replogle JM, Xu A, Norman TM, Meer EJ, Terry JM, Riordan D, Srinivas N, Mikkelsen TS, Weissman JS, Adamson B. Direct capture of CRISPR guides enables scalable, multiplexed, and multi-omic Perturb-seq. https://doi.org/10.1101/503367
6.
Shifrut E, Carnevale J, Tobin V, Roth TL, Woo JM, Bui CT, Li PJ, Diolaiti ME, Ashworth A, Marson A. 2018. Genome-wide CRISPR Screens in Primary Human T Cells Reveal Key Regulators of Immune Function. Cell. 175(7):1958-1971.e15. https://doi.org/10.1016/j.cell.2018.10.024
7.
Replogle JM, Norman TM, Xu A, Hussmann JA, Chen J, Cogan JZ, Meer EJ, Terry JM, Riordan DP, Srinivas N, et al. 2020. Combinatorial single-cell CRISPR screens by direct guide RNA capture and targeted sequencing. Nat Biotechnol. 38(8):954-961. https://doi.org/10.1038/s41587-020-0470-y
8.
Tian R, Gachechiladze MA, Ludwig CH, Laurie MT, Hong JY, Nathaniel D, Prabhu AV, Fernandopulle MS, Patel R, Abshari M, et al. 2019. CRISPR Interference-Based Platform for Multimodal Genetic Screens in Human iPSC-Derived Neurons. Neuron. 104(2):239-255.e12. https://doi.org/10.1016/j.neuron.2019.07.014