Project

Back to overview

Single-cell transcript isoform sequencing for precision oncology diagnostics and treatment

English title Single-cell transcript isoform sequencing for precision oncology diagnostics and treatment
Applicant Beisel Christian
Number 190413
Funding scheme Spark
Research institution Computational Systems Biology Department of Biosystems, D-BSSE ETH Zürich
Institution of higher education ETH Zurich - ETHZ
Main discipline Experimental Cancer Research
Start/End 01.12.2019 - 30.11.2020
Approved amount 100'000.00
Show all

All Disciplines (2)

Discipline
Experimental Cancer Research
Molecular Biology

Keywords (4)

alternative splicing; single-cell sequencing; precision oncology; neoantigens

Lay Summary (German)

Lead
In diesem Projekt werden wir die Methodik der Einzelzell-RNA-Sequenzierung mit Long-Read-Sequenziertechnologie kombinieren. Dadurch möchten wir ein detaillierteres Bild zellspezifischer Genaktivität erhalten, damit wir zelltypeigene Vorgänge und krankheitsspezifische Veränderungen in komplexen Geweben besser untersuchen und verstehen können.
Lay summary

Inhalt und Ziele des Forschungsprojekts

Das menschliche Genom kodiert rund 25000 Gene, deren Aktivität auf vielfältige Weisen streng kontrolliert wird. Je nach Zelltyp und Stadium der Zelle sind unterschiedliche Gene aktiv bzw. inaktiv, so dass jede Zelle ein typisches Genaktivtätsprofil – auch Gensignatur genannt – aufweist. Die Gensignatur ist durch das Vorhandensein der RNA-Moleküle definiert, die von den aktiven Genen transkribiert werden. Gene können dabei meist nicht nur für ein RNA-Molekül – auch Transkript genannt – kodieren, sondern unterschiedliche Transkriptisoformen hervorbringen, die aus verschiedenen Teilen der Gene zusammengesetzt sind. Transkriptisoformen erhöhen somit die Komplexität der Gensignatur.

Durch die Methodik der Einzelzell-RNA-Sequenzierung können Gensignaturen einzelner Zellen komplexer Gewebe, wie z.B. auch Krebstumore, bestimmt und so Kenntnis über die Zelltypen in diesem Gewebe gewonnen werden. Die Komplexität von Tumoren kann aufgeschlüsselt, unterschiedliche Zelltypen und klonale Strukturen identifiziert werden. Bei der herkömmlichen Art der Einzelzell-RNA-Sequenzierung wird nur ein kleines Fragment des RNA-Moleküls sequenziert, was zur Bestimmung des transkribierten Gens ausreicht. In diesem Projekt werden wir mittels einer „Long-Read-Sequenziertechnologie“ die RNA-Moleküle vollständig sequenzieren und so auch die Möglichkeit haben, Transkriptisoformen zu identifizieren. Mit der Kombination dieser beiden Technologien (single-cell isoform sequencing (scISO-seq)) werden wir versuchen, Tumorgewebe näher zu charakterisieren. Dies könnte ermöglichen,  tumorspezifische Transkriptisoformen zu detektieren, die potenziell als Biomarker oder therapeutische Ziele dienen könnten.

Wissenschaftlicher und gesellschaftlicher Kontext des Forschungsprojekts

Einzelzell-RNA-Sequenzierung hat in den letzten Jahren stark zu einem besseren Verständnis von Entwicklungsvorgängen und der Charakterisierung von komplexen Geweben beigetragen. Auch in der Krebsdiagnostik kommt sie vermehrt zum Einsatz. Mit der zusätzlichen Anwendung der Long-Read-Sequenzierung möchten wir das Potenzial der Kombination dieser beiden Technologien ausloten. Je detailreicher das Wissen molekularer Vorgänge desto wahrscheinlicher wird die Entwicklung zielgerichteter Medikamente zur Heilung pathologischer Veränderungen.

Direct link to Lay Summary Last update: 13.02.2020

Responsible applicant and co-applicants

Collaboration

Group / person Country
Types of collaboration
Computational Biology Group / Niko Beerenwinkel, ETHZ Switzerland (Europe)
- in-depth/constructive exchanges on approaches, methods or results
- Publication

Abstract

Transcriptomic profiles contain information on cellular identity including cell type, function and state. Resolving complexity from heterogeneous cell populations such as tumor biopsies require single-cell resolution. Currently, the field of single-cell RNA-sequencing (scRNA-seq) is divided in full-length, low-throughput or tag-based, high-throughput technologies (Hedlund and Deng 2018). Full-length RNA methods achieve higher sequencing coverage and the detection of isoforms, splicing events and single-nucleotide variants for allelic gene expression. Tag-based methods allow the interrogation of thousands of cells per sample, sample pooling and correction for amplification bias through the use of transcript-specific barcodes (UMI) in addition to cell barcodes; however, they are restricted by the mappable read length by design of 3’ or 5’ end short-read DNA sequencing. Thus tag-based methods are used for gene expression quantification and cannot be utilized for isoform identification or splicing. Just very recently, efforts were made to combine tag-based methods with long-read sequencing leveraging the fact that amplified, barcoded full-length cDNA is an intermediate product of microfluidic tag-based approaches (Gupta et al. 2018).However, large scale, high-throughput full-length RNA-sequencing has not yet been applied to the field of oncology, which would greatly benefit from detection of tumor cell/subclone specific isoforms and gene mutations in the context of complex cancer tissue samples. Tumor-specific transcript isoforms present a large new class of splicing-associated potential neoantigens that may affect the immune response and could be exploited in immunotherapy, e.g. in personalized tumor vaccines. We here propose the application of full-length RNA-sequencing on a small cohort of well-characterized tumor samples (ovarian cancer) for which single-cell DNA and single-cell RNA-sequencing identified extensive tumor heterogeneity and bulk genomic DNA sequencing informed on existent somatic variants. Making use of the same barcoded cDNA material for both approaches (canonical 3’ scRNA-seq and single-cell full-length isoform sequencing) will facilitate the integration of both data types from the same cells and allow to assess tumor heterogeneity on isoform and mutation level. We expect the implementation of single-cell isoform sequencing (scISO-seq) into the single-cell toolbox will greatly advance the field of personalized molecular oncology and precision medicine.
-