CRISPR–Cas9基因组工程中长期存在的障碍,是无法在单细胞分辨率(single-cell resolution)下测量编辑结果及其功能效应。本研究提出Superb-seq,通过整合Cas9编辑、T7原位转录(T7 in situ transcription)和单细胞RNA测序(single-cell RNA sequencing, scRNA-seq),捕获单细胞编辑与转录组效应。研究人员对来自3个细胞系的35,000个细胞开展Superb-seq;使用7条向导RNA(guide RNAs, gRNAs)在10,000个K562细胞中靶向4个染色质重塑因子基因,Superb-seq检测到5,761个编辑细胞、全部在靶位点和36个脱靶位点。与Perturb-seq相比,Superb-seq改善了对下游扰动对基因表达效应的估计。研究人员将Superb-seq与4种群体脱靶检测方法(bulk off-target detection methods)比较,在3条基准向导中鉴定出6至210个编辑位点。19个脱靶编辑与差异基因表达(differential gene expression)相关,其中9个具有细胞类型特异性(cell type-specific)。总之,Superb-seq通过将单细胞编辑与基因表达变化相联系,阐明Cas9基因组编辑的后果。
CRISPR–Cas9(成簇规律间隔短回文重复序列及相关蛋白9)是可编程基因组编辑的基础工具,将Cas9编辑与高通量单细胞RNA测序(scRNA-seq)结合的Perturb-seq(将Cas9扰动与scRNA-seq结合的方法)可测量基因组扰动对转录组的影响。然而,Perturb-seq不直接读取编辑结果,而以向导RNA(gRNA)作为编辑代理,仅偶尔记录转录区编辑;gRNA捕获不完美及在靶、脱靶CRISPR活性存在固有变异性,可产生gRNA阳性但未编辑细胞并削弱基因调控效应估计,且多数gRNA存在脱靶活性,混淆调控效应与机制解释。Cas9正作为基因治疗工具推进临床评估,关键关注点是脱靶是否产生有害细胞效应;当前治疗性脱靶缓解依赖计算预测和群体测序提名候选,再由群体扩增子测序确认,但不能测量脱靶编辑对基因表达的功能效应,细胞方法也缺乏对完整染色质进行人群规模评估的可扩展性,无细胞方法可能因去除染色质结构而过提名。因此,需要在单细胞中直接、可扩展地同时测量编辑与转录组。研究人员提出Superb-seq,整合Cas9编辑、T7原位转录(IST)和scRNA-seq,在35,000个细胞、3个细胞系中开展研究;使用7条gRNA靶向K562细胞中4个染色质重塑因子基因,检测到5,761个编辑细胞、全部在靶位点和36个脱靶位点;与Perturb-seq相比改善下游扰动效应估计,并与4种群体脱靶检测方法比较,在3条基准gRNA中检测到6至210个编辑位点,19个脱靶编辑与差异表达基因(DEG)相关,其中9个具细胞类型特异性。该研究将单细胞编辑与基因表达变化相连,阐明Cas9编辑后果,并可排除gRNA阳性未编辑细胞、识别脱靶编辑的功能后果。
关键技术方法(约230字):Superb-seq以Cas9核糖核蛋白(RNP)和编码T7启动子的双链供体DNA电转活细胞,经末端连接修复实现无同源编辑标记;固定细胞后行T7 IST,生成编辑报告T7转录本;再用SPLiT-seq组合索引scRNA-seq联合捕获内源性mRNA与非多聚腺苷酸化T7 RNA;Sheriff软件识别T7读段、判定编辑位点与因果gRNA、估计每个细胞编辑等位基因剂量并输出基因表达矩阵,线性混合模型关联编辑剂量与DEG。样本包括K562、HEK293、U2OS等细胞系及两名健康女性供者外周血原代T细胞(用于标记表征),主要数据为35,000个细胞。
研究结果:1. T7启动子序列标记基因组编辑:通过筛选27种供体构建并以TIDE(通过分解追踪插入缺失)定量,设计02的标记效率较GUIDE-seq供体高5.7–6.4倍;在6种人细胞、30条gRNA、11个基因座中,+34 bp插入事件常见,6个基因组区域标记率达40–80%,除Jurkat和U2OS外各细胞类型均获标记,表明无同源T7标记跨细胞与基因组可行。2. IST实现通过T7转录本测序直接检测编辑:通过纯化基因组DNA体外转录、核与固定细胞IST及群体RNA-seq,T7读段精确映射至预期Cas9切割位点,表明IST联合RNA测序可识别编辑。3. Superb-seq产生高质量scRNA-seq读段:通过SPLiT-seq混合oligo-dT与随机六聚体引物联合捕获polyA mRNA和非polyA T7 RNA,在500与10,000个K562细胞中获高覆盖和预期细胞数,表明端到端协议可行。4. Sheriff以碱基对分辨率量化转录组和单细胞编辑等位基因:通过识别含T7条形码的5′软裁剪基因组比对读段、判定编辑位点、校正转录组计数和估计编辑等位基因剂量,检测到5,761个编辑细胞及全部在靶位点,编辑位点距预期切割0–3 bp,500与10,000细胞库结果一致,表明可准确量化。5. Superb-seq检测单细胞脱靶事件:10,000细胞库检测36个脱靶位点,分布于18条染色体、2,098个细胞,每站点2–670个细胞(占编辑样本0.05–18%),>80%位于内含子,脱靶原间隔序列与gRNA有14–19个碱基匹配并含种子区错配;SMARCA4 g22的5个脱靶比在靶更频繁,ADSS1最频繁(BAF样本18%),表明脱靶常见且序列相似性之外因素影响效率与特异性。6. 通过靶扩增子测序验证Superb-seq脱靶编辑检测:用rhAmpSeq检测53个位点,Superb-seq编辑细胞频率与rhAmpSeq插入缺失频率显著相关(Pearson R=0.87,P=3.7×10
−10),96%(26/27)脱靶的插入缺失仅见于Sheriff推断gRNA处理细胞,表明脱靶识别与量化准确。7. Superb-seq将在靶和脱靶基因组编辑与差异基因表达关联:通过线性混合模型,ARID1A、SMARCA4和CHD3编辑剂量增加伴随表达显著降低(FDR校正P<0.05),与NMD(无义介导衰变)一致;USP9X第一内含子脱靶编辑显著降低USP9X表达(FDR校正P=3×10
−6),该位点交叠候选K562增强子、SP1 motif和ChIP-seq峰;在靶编辑关联数百DEG,BAF与NuRD扰动DEG富集于相应复合物调控基因,USP9X顺式调控元件(cRE)脱靶编辑关联152个DEG包括MYC,第二实验USP9X内含子与外显子gRNA均降低USP9X并共享131个DEG,表明可捕获在靶与脱靶编辑的下游表达效应。8. Superb-seq改善下游基因扰动检测:与10x Perturb-seq和10x Flex比较并降采样至37,000 reads/细胞,UMI(唯一分子标识符)和基因数相当,假bulk(pseudobulk)表达相关R=0.59–0.74;Superb-seq核糖体基因UMI比例低、转录因子和长非编码RNA(lncRNA)UMI比例最高,检测更多低表达基因;与2.5百万K562细胞CRISPRi Perturb-seq比较,Perturb-seq在靶基因表达效应更大,符合CRISPRi转录抑制与NMD机制差异;Superb-seq下游预期基因富集更高(平均log
2优势比=0.66对−0.06,P=0.0015),表明虽在靶表达效应较小但下游扰动检测更敏感。9. Superb-seq编辑检测与bulk测序方法相关:在16,000细胞、72,000 reads/细胞基准实验中,VEGFA site 2检测210个编辑位点(最多)和74个独特位点,高置信位点136个(DISCOVER-seq+为150个);HEK site 4检测27个(少于Tracking-seq 88个和GUIDE-seq 134个),EMX1检测6个(少于GUIDE-seq 16个);编辑细胞比例与DISCOVER-seq(R=0.80)、DISCOVER-seq+(R=0.71)相关性高于Tracking-seq(R=0.37)和GUIDE-seq(R=0.33),与扩增子插入缺失率R=0.43;≥10%插入缺失率位点灵敏度72–80%,<10%为9.6–62%,染色质状态无显著关联,表明编辑频率与bulk量化相关且受测序规模限制。10. Superb-seq识别在靶和脱靶编辑的细胞类型特异性效应:对64个≥50细胞频繁编辑用含细胞类型及交互项的线性混合模型,发现19个功能编辑关联DEG,16个来自VEGFA site 2、3个来自HEK site 4、EMX1无;HEK site 4中DNMT3B在靶和CEP135脱靶启动子编辑在K562而非HEK293降低表达,远端脱靶在HEK293而非K562降低SEC61G;VEGFA site 2的16个编辑中3个比在靶更频繁,8个效应为单一细胞类型特异,一个远端脱靶在U2OS增加PKP3而在K562降低,表明可识别细胞类型特异功能效应。
讨论部分总结:Superb-seq直接检测单细胞编辑而非gRNA,可排除Perturb-seq中gRNA阳性未编辑细胞;可确定脱靶编辑的基因调控后果(如USP9X cRE与MYC失调);优化了单细胞IST整合;无需质粒或病毒载体,便于采用。局限为编辑检测依赖T7标记、IST和单细胞测序效率,bulk与Superb-seq互有遗漏,染色质状态差异需更大数据,完整方案尚未在原代细胞验证。研究结论翻译:总之,Superb-seq实现了对基因组编辑结果的可扩展单细胞测序,并可确定在靶和脱靶编辑的调控后果。研究人员设想,Superb-seq方案及配套Sheriff分析软件将广泛用于功能基因组学研究,并提高基因组编辑治疗的安全性。