Go to content
SV På svenska

Single-cell analysis

Reference number
RIF14-0057
Start and end dates
160101-211231
Amount granted
15 000 000 SEK
Administrative organization
Karolinska Institutet
Research area
Life Sciences

Summary

Single-cell analysis is one of the fastest growing fields of science, and was named Method of the Year in 2013 by Nature. Yet the rapid developments in this field are currently isolated and limited to a small group of experts. Here I propose to build on the recently started National Eukaryotic Single-cell Genomics Facility at Science for Life Laboratory (SciLifeLab) in Stockholm, to very significantly advance the state of the art in single-cell transcriptomics. Whereas, currently, customers come with cells and are given raw expression data in return, my vision is that in the future, the outcome will be a biologically interpretable assessment of the state of each single cell: its type, cell cycle phase, signalling pathway activation, transcription factor regulatory state etc. To achieve this goal, I will invest along three main lines: (1) to greatly increase the throughput and reduce the cost of single-cell RNA-seq; (2) to develop computational tools to interpret single-cell expression profiles; (3) to acquire a comprehensive, whole-organism single-cell RNA sequencing (RNA-seq) dataset for the healthy adult mouse and human, which will serve as reference for the interpretation of unknown (customer) samples. The expected result is a greatly improved power to interrogate the biological state and composition of a tissue, such as a tumor sample. Ultimately, this will lead to better basic biomedical research, better diagnostics and improved outcomes for patients.

Popular science description

Molekylärbiologiska metoder har på ett dramatiskt sätt öppnat för att studera celler, vävnader och organismer systematiskt och alltmer genomgripande. Den stora utmaningen vi står inför nu är att tolka och förstå komplexa biologiska processer på systemnivå. Då DNA-sekvensering på senare år genomgått en fenomenal utveckling mot snabbare och billigare analyser har detta lett till motsvarande utveckling av vår förmåga att mäta och analysera molekylära biologiska processer. Som ett resultat har också statistiska och matematiska metoder ökad kraftigt i betydelse. För att förstå och korrekt analysera stora datamängder krävs mer avancerade statistiska modeller, mer omfattande databehandling och programmering, samt verktyg för datalagring, visualisering och kvalitetskontroll. Parallellt med denna utveckling har också vår förmåga att analysera allt mindre material kraftigt utvecklats. Denna utveckling har nyligen kulminerat med den nya möjligheten att studera enskilda cellers genom och transkriptom, även kallad enkelcellsanalys. Många fenomen som är av stor betydelse för enskilda celler – såsom transkriptionell variation, genomisk heterogenitet och stokastiska processer under celler differentiering – är oåtkomliga på vävnadsnivå. Enkelcellsanalys har öppnat möjligheten att i stor skala kartlägga vävnaders sammansättning, upptäcka och molekylärt karakterisera celltyper och cellulära tillstånd såsom cellcykeln och signaleringsvägar. Exempelvis har enkelcellstranskriptomik använts för att kartlägga differentieringslinjer i lungans epitel och i människans embryonala nervsystem, vilket öppnar vägen för en mer fördjupad förståelse av friska vävnaders embryonalutveckling och för mekanismer vid nedärvda utevcklingsbiologiska sjukdomar. I detta projekt kommer vi kraftigt utveckla enkelcellsanalysen från ett verktyg för några få experter, till ett universalverktyg tillgängligt för ett brett spektrum av forskare. Vi gör det genom att (1) kraftigt minska kostnaden per cell och öka kapaciteten med hjälp av mikrofluidik; (2) utveckla IT-verktyg för att tolka, visualisera och förstå enkelcellsdata; och (3) experimentellt ta fram referensdata för normala vävnader i mus och människa, till hjälp för tolkandet av kunders experimentella data. Långsiktigt kommer detta att ha fundamental betydelse för att driva den biomedicinska forskningen framåt, och i slutändan förbättra möjligheterna för att utveckla nya/förbättrade diagnostiska verktyg och läkemedel.