[论文解读] The Human Cell Atlas White Paper

Aviv Regev, Sarah A. Teichmann+79 more|arXiv (Cornell University)|Oct 11, 2018

Cell Image Analysis Techniques被引用 41

一句话总结

人类细胞图谱（HCA）白皮书提出了一项国际协作计划，旨在利用单细胞多组学和空间技术，创建所有人类细胞类型的综合参考图谱。该计划提出了分阶段实施的方法，包含标准化的数据工作流程、治理结构以及集中化的数据协调平台，以实现可扩展、可重复且全球可访问的细胞图谱数据，推动精准医学和生物学发现的发展。

ABSTRACT

The Human Cell Atlas (HCA) will be made up of comprehensive reference maps of all human cells - the fundamental units of life - as a basis for understanding fundamental human biological processes and diagnosing, monitoring, and treating disease. It will help scientists understand how genetic variants impact disease risk, define drug toxicities, discover better therapies, and advance regenerative medicine. A resource of such ambition and scale should be built in stages, increasing in size, breadth, and resolution as technologies develop and understanding deepens. We will therefore pursue Phase 1 as a suite of flagship projects in key tissues, systems, and organs. We will bring together experts in biology, medicine, genomics, technology development and computation (including data analysis, software engineering, and visualization). We will also need standardized experimental and computational methods that will allow us to compare diverse cell and tissue types - and samples across human communities - in consistent ways, ensuring that the resulting resource is truly global. This document, the first version of the HCA White Paper, was written by experts in the field with feedback and suggestions from the HCA community, gathered during recent international meetings. The White Paper, released at the close of this yearlong planning process, will be a living document that evolves as the HCA community provides additional feedback, as technological and computational advances are made, and as lessons are learned during the construction of the atlas.

研究动机与目标

• 建立一个全面、开放且全球可访问的参考图谱，涵盖所有人类细胞类型，覆盖不同组织和器官。
• 解决尽管基因组学和成像技术取得进展，但人类细胞仍缺乏系统性、分子水平表征的问题。
• 推动发现与发育、健康和疾病相关的细胞类型、状态及转换。
• 在不同研究团队和技术之间，标准化实验、计算和数据管理实践。
• 通过可扩展、社区驱动的数据基础设施，支持再生医学、药物开发和疾病诊断的转化应用。

提出的方法

• 提出分阶段构建HCA，从关键组织和系统中的I期旗舰项目开始。
• 整合单细胞分子谱型分析（如scRNA-seq、scATAC-seq、多组学）和空间技术（如原位杂交、成像、空间编码），实现高分辨率细胞图谱绘制。
• 建立三级数据质量流程：质量保证（格式、元数据、完整性）、质量控制（如比对质量、污染等实验指标）和检查（人工审查异常情况）。
• 部署集中化的数据协调平台（DCP），提供基于云的数据存储、版本控制、元数据本体和API，支持数据摄入、访问和分析。
• 实施数据摄入、管理与分析的治理结构，采用标准化工作流程和可重复的计算流程。
• 采用模块化、社区驱动的模式，通过生物网络（如免疫细胞图谱、皮肤细胞图谱）和国际合作，确保广泛参与和可扩展性。

实验结果

研究问题

• RQ1 如何利用分子和空间数据，系统性地定义和分类所有人类细胞类型？
• RQ2 需要哪些标准化、可扩展且可重复的方法，以确保在不同技术和机构之间数据的质量与互操作性？
• RQ3 如何构建一个全球可访问、开放且伦理治理的数据基础设施，以支持大规模人类细胞图谱绘制？
• RQ4 需要哪些计算和分析框架，以在大规模上整合单细胞和空间多组学数据？
• RQ5 如何确保最终图谱能够推动对发育、疾病和再生医学的变革性认识？

主要发现

• HCA计划将对健康人类参与者的主要组织和系统中的3000万至1亿个细胞进行谱型分析，形成基础参考图谱。
• 该计划将利用前沿的单细胞和空间技术，以高分辨率捕获基因表达、染色质可及性及蛋白质定位信息。
• 三级数据质量流程确保数据完整性，包括对格式、元数据和实验质量的自动化检查，并在必要时进行人工审查。
• 数据协调平台（DCP）将实现全球范围的基于云的数据存储、版本控制和API访问，支持可重复性和可扩展性。
• 将建立数据摄入、数据管理和分析的治理结构，通过批准的工作流程和官方分析工作流，确保一致性和可重复性。
• HCA将是一个动态演化的文档和资源，能够根据技术进步、社区反馈和建设过程中的经验教训持续更新。