近日，​INTEGRA已與Parse Biosciences合作，利用ASSIST PLUS移液工作站配合D-ONE單通道移液模塊和8通道VIAFLO輕型電動移液器，實現了該公司專利的單細胞RNA測序（scRNA-seq）技術的自動化。這款全新的自動化套裝能讓Parse Biosciences的用戶提高實驗室通量并減少樣品制備中的錯誤，同時使流程標準化，從而提高結果的可重復性。
 
scRNA-seq是一項突破性的技術，通過這項技術，研究人員可以檢驗細胞的異質性、鑒別稀有細胞群并探究基因共表達模式。1自2009年首次應用以來，這項技術在短時間內發展迅速，已經成為了拓展我們對復雜生物學過程的認識，以及開發神經疾病、糖尿病、心血管疾病和癌癥等眾多領域的新療法的關鍵技術。結合了組合條形碼的第三代scRNA-seq技術在醫學研究中顯現出了極大的價值，因為它可以應用于不同的疾病領域，研究細胞對藥物治療的反應，了解其中的遺傳機制，并確定干細胞療法的療效。同時，它還提供了前所未有的通量，并且不需要前代scRNA-seq技術中必需的細胞物理分割過程及與之相關的昂貴設備。
 
徹底改變單細胞測序
Parse Biosciences公司位于美國華盛頓州的西雅圖，專注于開發第三代scRNA-seq技術的突破性大通量工具。該公司專利的Evercode™組合條形碼技術能夠以細胞特異性的組合條形碼標記分子，無需分離細胞即可實現項目的放大。Evercode scRNA-seq的工作流程由3部分組成：單細胞的多步組合編碼、擴增編碼后的cDNA、以及最后的測序文庫制備。在第一步中，細胞被固定并通透化，使每一個細胞都形成了獨立的反應室，因此無需在液滴或微孔中捕獲單個細胞。在隨后的分割池編碼過程中，細胞將被大量的條形碼組合所標記。

利用Evercode技術可并行處理多達1億個細胞和96個生物學樣品。細胞收集、固定后可儲存長達6個月，使不同日期收集的樣品能夠一起處理，可用于時間過程研究，或者消除批次間差異的影響。得益于其在通量上的高靈敏度，Evercode的基因和轉錄物探測技術已經展現出了優于微滴法的性能。該技術所產生的數據質量也更高，可以借助測序試劑盒附帶的Parse Biosciences端到端數據分析軟件Trailmaker™進行分析和分享。

Parse Biosciences 的聯合創始人兼CTO Charlie Roco博士強調了自動化對于這種先進的scRNA-seq技術的重要性：“大規模地采用組合條形碼來進行RNA測序一直受到諸多因素的限制。例如，對于預算緊張的小機構來說，如今市面上的眾多測序和自動化設備價格過于高昂，并且安裝調試和人員培訓所需的時間動輒數月。缺少用戶友好、直觀易用且價格合理的平臺無疑是scRNA-seq技術應用的一大障礙，亟需一種更加容易獲得的解決方案來促進該技術的推廣。
融入自動化，簡化編碼
2023年底，Parse Biosciences開始與INTEGRA合作，共同開發一款自動化的scRNA-seq解決方案，旨在掃除一部分阻礙該領域快速發展的障礙。經過成功的合作，Evercode 3個工作流程階段中的第一個已經在ASSIST PLUS移液工作站上實現了自動化，其中使用了D-ONE單通道移液模塊和一支8通道的VIAFLO輕型電動移液器。開發和驗證這種開創性的流程只用了幾個月的時間，2024年5月初，這款自動化套裝已經正式發布。配備D-ONE移液模塊的ASSIST PLUS可向細胞內轉錄物添加高特異性條形碼，制備試劑預混液，以及將細胞分配到Evercode試劑盒的條形碼標記板中，從而識別單細胞。無縫的整合有助于減少人為錯誤和操作員間的差異，同時讓使用者能夠提高其實驗室的通量，一周即可輕松完成數百個獨立樣品的測序工作。
 
Charlie繼續說：“這種易于使用、性價比高的強大液體處理裝置極大地提升了scRNA-seq技術自動化樣品制備的簡化程度和易得性，使幾乎所有規模和預算情況的實驗室都能承受，包括學術團隊、基因組學核心設施以及制藥公司等。盡管應用的時間還不長，但我們的客戶已經向我們反饋了液體處理自動化如何大大加快了他們的測序過程，實現了更高的通量。除此之外，它還幫助他們將scRNA-seq流程標準化，減少了錯誤，使結果的可重復性更好。實際上，到目前為止，我們的數據表明，這些實驗室能夠將他們的上手操作時間縮短多達75%，同時手動移液步驟減少85%，得益于此，訓練有素的人員可以騰出更多的時間去執行其他重要的任務或者開始新的scRNA-seq研究項目。”

“現在，我們正在利用ASSIST PLUS解決scRNA-seq流程中剩余2個部分的自動化，預計在近期就會向用戶推出新的解決方案。我們非常高興能夠延續與INTEGRA的成功協作，并且期待著在未來數月乃至數年中為這一快速發展的研究領域持續貢獻力量。

點擊獲取解決方案手冊

參考文獻
Tang F, Barbacioru C, Wang Y, et al. mRNA-Seq whole-transcriptome analysis of a single cell. Nat Methods. 2009;6(5):377-382. doi:10.1038/nmeth.1315