Einzelzell-V(D)J- und CITE-Seq: Integration der Immunrepertoire-Profilierung und Multi-Omics auf Einzelzellauflösung

Ein einzelner Tropfen in einem 10x Chromium-Chip kann jetzt vier Schichten von Informationen aus einer Zelle erfassen: das vollständige Transkriptom, gepaarte TCR- oder BCR-Sequenzen, die Oberflächenproteinabundanz für Dutzende von Markern und die Antigenbindungs-Spezifität — alles indiziert mit demselben Zellbarcode. Diese Konvergenz von Modalitäten, ermöglicht durch die Integration von V(D)J-Sequenzierung und CITE-Seq (Cellular Indexing of Transcriptomes and Epitopes by Sequencing) in die 10x Genomics Single Cell Immune Profiling-Plattform, hat die Art und Weise, wie Immunologen die adaptive Immunität untersuchen, revolutioniert. Eine T-Zelle wird nicht mehr nur durch ihr Transkriptom definiert — sie wird durch den Klonotyp, den sie exprimiert, die Zytokinrezeptoren auf ihrer Oberfläche, die Transkriptionsfaktoren in ihrem Zellkern und, wenn BEAM (Barcode Enabled Antigen Mapping) hinzugefügt wird, den Peptid-MHC-Komplex, den sie erkennt, definiert. Dieser Leitfaden behandelt die V(D)J- und CITE-Seq-Workflows, von der Probenvorbereitung und dem Panel-Design bis hin zur Datenintegration und biologischen Interpretation.

Abbildung 1: V(D)J + CITE-Seq multimodaler Arbeitsablauf — Von Einzelzell-Suspension zu einem vierlagigen Datenausgang

V(D)J-Sequenzierung — Entschlüsselung des adaptiven Immunspektrums

Das adaptive Immunsystem speichert sein Gedächtnis in der DNA. Während der Entwicklung von Lymphozyten durchlaufen T- und B-Zellen die V(D)J-Rekombination – einen ortsspezifischen somatischen Rekombinationsprozess, der variable (V), Diversitäts- (D) und Verbindungs- (J) Genabschnitte zu einem funktionalen Antigenrezeptor-Gen zusammenfügt. Die durch diesen Prozess erzeugte kombinatorische Vielfalt, verstärkt durch junctionale Diversifizierung (Nukleotid-Deletion und N-Nukleotid-Hinzufügung an Segmentübergängen), produziert ein theoretisches Repertoire von über 10^15 einzigartigen Rezeptoren, was die etwa 10^12 Lymphozyten im menschlichen Körper in den Schatten stellt. Die Einzelzell-V(D)J-Sequenzierung erfasst diese Vielfalt zelleinzelnd und bewahrt die native Paarung der Rezeptorketten, die bei der Bulk-Repertoire-Sequenzierung unwiderruflich durcheinandergebracht wird.

Der 10x Genomics Chromium Single Cell Immune Profiling Workflow, der die Chemie 5' v2 oder v3 verwendet, reichert vollständige V(D)J-Transkripte durch Zielanreicherungsprimer an, die an die konstanten Regionen von TCR- und BCR-Transkripten binden. Innerhalb jedes GEM (Gelperle in Emulsion) werden mRNA und V(D)J-Transkripte aus derselben Zelle von derselben Gelperle erfasst, die einen gemeinsamen 10x Zellbarcode teilen. Nach der reversen Transkription wird die V(D)J-Bibliothek durch PCR mit spezifischen Primern für die konstanten Regionen der TCR α/β oder BCR schweren/leichten Ketten angereichert. Die resultierende Bibliothek liefert gepaarte, vollständige Rezeptorsequenzen — beide Ketten aus derselben Zelle, wobei die native α-β- oder schwere-leichte Paarung erhalten bleibt, die die Antigenspezifität bestimmt. Eine Sequenzierung mit 5.000 Lese-Paaren pro Zelle ist typischerweise ausreichend für eine zuverlässige Klonotypen-Zusammenstellung, obwohl eine tiefere Sequenzierung (10.000 bis 25.000 Reads pro Zelle) die Erkennung seltener Klonotypen und die Bestimmung somatischer Hypermutationen in BCR-Sequenzen verbessert.

Die wichtigsten Kennzahlen, die aus einem Einzelzell-V(D)J-Datensatz einschließlich Klonotypfrequenz (welcher Anteil der Zellen jeden einzigartigen Rezeptor exprimiert), klonale Expansion (welche Klonotypen über dem naiven Basisniveau angereichert sind), Repertoire-Diversität (Shannon-Entropie oder umgekehrter Simpson-Index zur Messung der Gleichmäßigkeit der Klonotypverteilung) und somatische Hypermutationslast (für BCRs die Anzahl der Nukleotidsubstitutionen im Verhältnis zur Keimbahn, die mit der Affinitätsreifung korreliert). Bei T-Zellen ist der komplementaritätsbestimmende Bereich 3 (CDR3) — der variabelste Teil des Rezeptors an der V(D)J-Grenze — der Hauptfaktor für die Antigen-Erkennung, und die Verteilung der CDR3-Längen sowie die Aminosäurezusammensetzung sind standardisierte Repertoire-Metriken, die verwendet werden, um Immunzustände über verschiedene Bedingungen hinweg zu vergleichen.

Abbildung 2: TCR- und BCR-Klonotyp-Assemblierung — Paarige Kettenaufnahme, CDR3-Identifizierung und Nachweis der klonalen Expansion

CITE-Seq — Oberflächenproteomik trifft Transkriptomik

Transkriptionsprofile allein können die Identität von Immunzellen nicht vollständig aufklären. Eine CD8+ effector memory T-Zelle und eine CD8+ erschöpfte T-Zelle teilen sich transkriptionale Programme, unterscheiden sich jedoch in der Expression von Oberflächenproteinen auf funktionell entscheidende Weise – die Proteinlevel von PD-1, TIM-3 und LAG-3 definieren Erschöpfung besser als ihre Transkripte, die der posttranskriptionalen Regulation unterliegen. CITE-Seq schließt diese Lücke, indem es oligonukleotidkonjugierte Antikörper verwendet – kommerzialisiert als TotalSeq von BioLegend – die anstelle eines Fluorophors einen DNA-Barcodes tragen. Zellen werden mit einem Cocktail von TotalSeq-Antikörpern gefärbt, bevor sie in den 10x Chromium-Chip eingekapselt werden. Innerhalb jedes GEM werden sowohl die polyadenylierten mRNA als auch die aus Antikörpern abgeleiteten Tag (ADT) Oligos erfasst und revers transkribiert, wodurch zwei unterschiedliche Bibliotheken aus denselben Einzelzellen entstehen: eine Genexpressionsbibliothek (GEX) und eine ADT-Bibliothek.

Der praktische Vorteil besteht darin, dass die Detektion von Oberflächenproteinen über ADTs nicht denselben technischen Einschränkungen unterliegt wie die transkriptbasierte Immunophenotypisierung. Gering exprimierte Transkripte wie die, die CD25 (IL2RA) oder CD127 (IL7R) kodieren, können nur eine Handvoll UMIs pro Zelle erzeugen – nahe der stochastischen Nachweisgrenze – während das entsprechende ADT-Signal von Oberflächenproteinen oft 10- bis 100-mal höher im Signal-Rausch-Verhältnis ist. Vorgefertigte TotalSeq-Panels, die 30 bis 200 Marker abdecken, sind mittlerweile Standard, einschließlich des weit verbreiteten TotalSeq Human TBNK-Panels (CD3, CD4, CD8, CD11c, CD14, CD16, CD19, CD45, CD56) und des TotalSeq Universal Cocktails. Für Projekte, die eine 10x Genomics-basiertes Einzelzell-ImmunprofilingDer Standardansatz besteht darin, ein TotalSeq-C-Panel (kompatibel mit 5'-Chemie) mit dem V(D)J-Anreicherungsworkflow zu kombinieren, wodurch aus jeder Zelle drei Datenebenen — Transkriptom, Immunrepertoire und Oberflächenproteom — gewonnen werden.

Cell Hashing ist eine ergänzende Anwendung der gleichen oligo-konjugierten Antikörpertechnologie. Durch das Färben jeder Probe mit einem einzigartigen Hashtag-Oligonukleotid (HTO)-Antikörper, der auf ubiquitär exprimierte Oberflächenmarker wie CD298 oder β2-Mikroglobulin abzielt, können mehrere Proben in einem einzigen 10x-Lane zusammengeführt und rechnerisch demultiplexiert werden. Aktuelle Protokolle unterstützen die Multiplexierung von bis zu 12 bis 14 mit Hashtag gekennzeichneten Proben in einem einzigen 10x-Lane mit ausgewogener Rückgewinnung, wodurch die Kosten für die Bibliotheksvorbereitung pro Probe gesenkt und Batch-Effekte zwischen Proben, die im selben Lane durchgeführt werden, eliminiert werden – ein kritischer Aspekt für longitudinale Impfstoffstudien oder die Überwachung von Immuntherapien zu mehreren Zeitpunkten. Für Studien zur immunologischen Profilierung mehrerer Proben, Einzelzell-Datenanalyse die HTO-Demultiplexierung mit der Klonotypen-Zusammenstellung und der ADT-Normalisierung integriert und sicherstellt, dass das Repertoire und das Oberflächenproteom jeder Zelle korrekt ihrem Ursprungsproben zugeordnet werden, bevor eine nachgelagerte biologische Interpretation erfolgt.

Abbildung 3: CITE-Seq Merkmals-Barcoding-Mechanismus — TotalSeq Antikörperfärbung, GEM-Erfassung und ADT-Bibliothekskonstruktion

BEAM — Hinzufügen von Antigenspezifität zum multimodalen Bild

Der bedeutendste jüngste Fortschritt im Bereich der Einzelzell-Immunprofilierung ist BEAM (Barcode Enabled Antigen Mapping), das eine vierte Ebene — die Antigenspezifität — zu dem bestehenden V(D)J + GEX + ADT-Stack hinzufügt. BEAM verwendet mit Feature-Barcodes konjugierte Antigene: Für T-Zellen (BEAM-T) werden fluoreszenzmarkierte Peptid-MHC-Monomere, die mit dem interessierenden Peptid beladen sind, an DNA-barcodekonjugierte Dextramere gekoppelt; für B-Zellen (BEAM-Ab) wird das Antigenprotein direkt konjugiert. Antigenspezifische Zellen werden vor der Kapselung durch Fluss-Sortierung angereichert, und der BEAM-Barcode wird zusammen mit den V(D)J-, GEX- und ADT-Bibliotheken innerhalb desselben GEM erfasst.

Die Cell Ranger Multi-Pipeline, verfügbar ab Version 7.1 und verfeinert durch Version 8.0 im Jahr 2025, verarbeitet alle vier Bibliothekstypen gleichzeitig. Der Algorithmus zur Antigenspezifität verwendet ein Beta-Verteilungsmodell, um jeden Zellbarcode zu bewerten: (1 − beta.cdf(0.925, Antigen_UMI + 1, Control_UMI + 3)) × 100, was einen Score von ungefähr 0 bis 100 erzeugt, der antigenbindende Zellen vom Hintergrund trennt. Der Score misst nicht die Bindungsaffinität — er bewertet, ob der Rezeptor der Zelle über dem Hintergrund der negativen Kontrolle mit dem Antigen assoziiert — aber in Kombination mit gepaarten TCR/BCR-Sequenzen verknüpft er direkt einen Klonotyp mit seinem kognaten Antigen. Diese Fähigkeit ist besonders mächtig in der Immunonkologie, wo die Identifizierung der spezifischen TCR-Sequenzen, die ein Tumor-Neoantigen erkennen, die Entwicklung von gentechnisch veränderten TCR-T-Zelltherapien ermöglicht.

Die aktuellen Einschränkungen von BEAM sind erwähnenswert. Es ist inkompatibel mit der GEM-X v3 Chemie und erfordert den veralteten 5' v2 Assay. Die 16 verfügbaren BEAM-Konjugat-Barcodes schränken die multiplexierten Antigen-Panels ein. Und da antigen-spezifische Zellen durch Fluss-Sortierung angereichert werden müssen, müssen die Eingabezellzahl und die Sortierstrategie für jedes interessierende Antigen optimiert werden – ein praktischer Aspekt, der das experimentelle Design von Anfang an beeinflusst. Für Forscher, die eine Antigenspezifitätskartierung benötigen, ohne den vollständigen BEAM-Workflow intern aufzubauen, 10x Einzelzell-Immunprofilierungsdienste Das umfasst die BEAM-Probenverarbeitung, die Flusszytometrie-Anreicherung und die Antigenspezifitätsbewertung und bietet eine End-to-End-Pipeline von sortierten Zellen zu annotierten Klonotyp-Antigen-Paaren.

Analysetools für multimodales Immunprofiling

Das rechnergestützte Ökosystem für die integrierte V(D)J- und CITE-Seq-Analyse hat sich im Zeitraum 2025-2026 erheblich weiterentwickelt. Die Cell Ranger Multi-Pipeline ist der Ausgangspunkt und übernimmt die Ausrichtung (STAR für GEX, einen maßgeschneiderten Assemblierungsalgorithmus für V(D)J), die Gruppierung von Klonotypen, die Bewertung der Antigenspezifität und die Generierung von ADT-Zählmatrizen. Der Loupe V(D)J Browser v5.2 unterstützt die interaktive Erkundung von Klonotypen, die nach Antigenspezifität bewertet sind, die Visualisierung von Kettenpaarungen und die aggregierte Analyse über mehrere BEAM-Bibliotheken hinweg – was es ermöglicht, antigenspezifische Klonotypen über Zeitpunkte oder Gewebekompartimente hinweg zu vergleichen, ohne eine Kommandozeile öffnen zu müssen.

Für die programmgesteuerte Analyse bietet das R-Paket scRepertoire ein Seurat-kompatibles Framework zur Visualisierung von Klonotypen, einschließlich der Verfolgung klonaler Expansion, der klonalen Überlappung zwischen Bedingungen und der Berechnung von Diversitätsmetriken. Das Paket unterstützt das direkte Laden von Cell Ranger V(D)J-Ausgaben und integriert sich über Barcode-Abgleich in das Standard-Seurat-Objekt — Klonotypdaten werden als Metadatenspalten gespeichert, und Funktionen wie clonalQuant, clonalDiversity und clonalOverlap erzeugen veröffentlichungsfertige Visualisierungen mit minimalem Code. Das Python-Paket Dandelion (v0.5.7, Januar 2026) integriert BCR/TCR-Analysen mit Scanpy und unterstützt trajektoriebasierte Klonotypanalysen, die Aufforderung somatischer Hypermutationen und die Rekonstruktion von Isotypwechseln aus BCR-Sequenzen. MiXCR v4.7 unterstützt die V(D)J-Zusammenstellung und Repertoireanalyse von 10x Chromium-Daten mit speziellen Voreinstellungen für die gepaarte Ketten-Immunprofilierung und deckt den gesamten Workflow ab — V(D)J-Zusammenstellung, ADT-Zählnormalisierung und gemeinsame Clusterung — aus einem einzigen Befehlszeilenaufruf. Für Forscher, die benötigen maßgeschneiderte bioinformatische Unterstützung für ImmunprofilingDie Fähigkeit, Klonotyp-, Transkriptom- und Oberflächenproteindaten innerhalb eines einheitlichen Analyserahmens zu integrieren, ist entscheidend, um biologische Bedeutung aus den Rohzählmatrizen zu extrahieren.

Die Datenintegration über Modalitäten hinweg wird typischerweise mithilfe der gewichteten nächsten Nachbarn (WNN) Analyse in Seurat v5 durchgeführt, die zellspezifische Modalitätsgewichte aus den GEX- und ADT-Modalitäten lernt und ein gemeinsames Nachbarnnetzwerk konstruiert. Für die V(D)J-Integration wird die Klonotyp-Information typischerweise als Metadaten überlagert – indem UMAP-Cluster nach Klonotyp-Häufigkeit eingefärbt, erweiterte Klonotypen hervorgehoben oder auf antigen-spezifische Zellen, die durch BEAM identifiziert wurden, subsettiert werden. Die entscheidende QC-Überlegung bei multimodalem Immunprofiling ist, dass jede Modalität ihre eigenen Fehlerquellen hat: V(D)J-Bibliotheken können eine Kette verlieren (was unpaarige Rezeptorsequenzen erzeugt), ADT-Bibliotheken können unter Umgebungsantikörpersignalen leiden, und BEAM-Bibliotheken können falsch-positive Antigenaufrufe durch unspezifische Dextramerbindung erzeugen. Die QC über Modalitäten hinweg – zum Beispiel die Bestätigung, dass eine als antigen-spezifisch identifizierte Zelle durch BEAM auch ein aktiviertes transkriptionales Muster und Oberflächenproteinmarker zeigt, die mit einer kürzlichen TCR-Bindung übereinstimmen – erhöht das Vertrauen, dass die multimodale Annotation echte Biologie widerspiegelt und nicht ein technisches Artefakt.

Abbildung 4: Multimodale Immunprofilierungsanalyse-Pipeline — Von Cell Ranger multi zur integrierten Loupe/Seurat-Visualisierung

Anwendungen in der Immunologie und Arzneimittelentwicklung

Die stärkste Anwendung der kombinierten V(D)J- und CITE-Seq-Technologie liegt in der Immunonkologie, wo die Technologie gleichzeitig drei Fragen zu jeder T-Zelle in einem Tumor beantwortet: welchen Rezeptor sie exprimiert (Klonotyp), welche Proteine sich auf ihrer Oberfläche befinden (Phänotyp) und was sie erkennt (Antigenspezifität mit BEAM). Eine Studie aus dem Jahr 2025, die Tumorinfiltrierende Lymphozyten von Melanom-Patienten profilierte, identifizierte neoantigen-spezifische CD8+ T-Zell-Klonotypen, die auf Proteinebene PD-1, TIM-3, CD39 und CD103 co-exprimierten — ein Oberflächenphänotyp, der mit tumorreaktiven, gewebespeichernden Gedächtniszellen übereinstimmt — und verfolgte ihre klonale Expansion nach einer Checkpoint-Blockade. Ohne CITE-Seq hätte dieselbe Studie auf einer transkriptbasierten Ableitung der Proteinexpression beruht, die nur mäßig (Spearman ρ ≈ 0,5-0,7) mit der tatsächlichen Oberflächenproteinmenge für wichtige Immun-Checkpoint-Moleküle korreliert. Die Integration dieser multimodalen immunprofilierenden Ansätze mit Einzelzell-ATAC-seq fügt die Profilierung der Chromatinzugänglichkeit hinzu, die eine regulatorische Dimension der gleichen Klonotypen ermöglicht – und verbindet die TCR-Sequenz mit den Bindungsereignissen von Transkriptionsfaktoren, die Erschöpfungs- oder Effektorprogramme antreiben.

Die Impfstoffforschung ist das zweite wichtige Anwendungsgebiet. Längsschnittliche BCR-Repertoire-Profilierung mit gepaartem Oberflächenproteomik kann die antigen-spezifische Klonexpansion von B-Zellen, Isotypwechsel und die Ansammlung somatischer Hypermutationen nach der Immunisierung verfolgen. CITE-Seq-Oberflächenmarker – CD27, CD38, CD138, IgD – unterscheiden Plasmazellen, Gedächtnis-B-Zellen und naive B-Zell-Populationen mit höherer Auflösung als nur auf Transkripten basierende Clusterung, was eine präzise Isolation der impfstoffantwortenden Populationen ermöglicht. In einem Studienentwurf zu einem SARS-CoV-2-mRNA-Impfstoff reduzierte die Kombination von V(D)J und CITE-Seq mit Cell Hashing die Kosten pro Probe durch Multiplexing von 12 Zeitpunkten von drei Spendern über zwei 10x-Lanes, während inter-lane Chargeneffekte beseitigt wurden, die andernfalls den Vergleich von Zeitpunkten vor und nach der Auffrischung beeinträchtigt hätten.

Forschung zu Autoimmunerkrankungen und die Entdeckung therapeutischer Antikörper stellen aufkommende Anwendungen dar. Bei systemischem Lupus erythematodes können gepaarte BCR-Sequenzierung und Oberflächenphänotypisierung autoreaktive B-Zell-Klonotypen anhand ihrer V-Gen-Nutzung und somatischen Hypermutationsmuster identifizieren und diese dann mit Oberflächenproteinsignaturen verknüpfen, die pathogene von Begleitpopulationen unterscheiden. Für die Entdeckung therapeutischer Antikörper ermöglicht die Kombination von BCR-Sequenzierung mit CITE-Seq das Screening von antigen-spezifischen B-Zellen — identifiziert durch BEAM-Ab — nach Oberflächenmarkern, die mit der Sekretion von hochaffinen Antikörpern assoziiert sind (CD27^hi, CD38^hi, CD138+), und priorisiert Klonotypen für rekombinante Expression und funktionale Validierung.

Eine aufkommende Erkenntnis in diesem Bereich ist, dass der primäre Engpass im multimodalen Immunprofiling sich von der Datengenerierung zur Datenintegration verschoben hat. Jede Modalität – Transkriptom, V(D)J, ADT und BEAM – weist unterschiedliche Rauschstrukturen und Batch-Effekte auf, die nicht über die Modalitäten hinweg übereinstimmen. Wenn 12 bis 14 Cell-Hashed-Proben zusammengeführt und demultiplexiert werden, propagieren die HTO-Demultiplexierungsfehler in alle nachgelagerten Modalitäten, was bedeutet, dass eine falsch zugeordnete Zelle im Transkriptom auch in den Klonotyp- und Oberflächenprotein-Tabellen falsch zugeordnet ist. Werkzeuge wie Seurat v5 WNN und das Multi-Omics-Faktorenanalyse (MOFA)-Framework unterstützen nun die gemeinsame Modellierung von drei oder mehr Modalitäten und lernen latente Faktoren, die koordinierte Variationen über Transkriptom, Oberflächenproteom und Klonotypraum erfassen. Insbesondere für BEAM-Daten bleibt die Integration von Antigenspezifitätswerten mit der gepaarten TCR-Sequenz und Oberflächenaktivierungsmarkern in eine einheitliche latente Darstellung ein aktives Entwicklungsfeld für Methoden, mit dem Potenzial, Rezeptorsequenz, Proteinphänotyp und Antigenziel in ein einzelnes prädiktives Modell der T-Zell-Funktion zu verknüpfen.

Für Forscher, die multimodale Immunstudien entwerfen, ist eine praktische Empfehlung, festzulegen, welche Modalitäten für den primären Endpunkt unerlässlich sind und welche explorativ sind. Eine Studie, deren primäre Auswertung die klonale Expansion nach der Therapie ist, benötigt V(D)J + GEX; die Hinzufügung von CITE-Seq ermöglicht eine tiefere phänotypische Charakterisierung, erhöht jedoch die Kosten für die Zellsequenzierung um 20 bis 30 Prozent. Eine Studie, deren primäre Auswertung auf der quantitativen Bestimmung von Zelltypen basierend auf Oberflächenproteinen unter verschiedenen Bedingungen beruht, benötigt CITE-Seq + GEX; die Hinzufügung von V(D)J ist nur dann wertvoll, wenn die biologische Fragestellung das Verfolgen von Klonotypen umfasst. BEAM sollte für Studien reserviert werden, bei denen die Antigenspezifität die zentrale biologische Fragestellung ist, da es die Anforderungen an die herkömmliche 5' v2 Chemie, die individuelle BEAM-Konjugatvorbereitung und die Fluss-Sortierung zur Anreicherung hat. Die Probenmenge für BEAM-Experimente sollte konservativ geplant werden: Antigen-spezifische Vorläuferfrequenzen liegen oft unter 0,1 Prozent in nicht expandierten T-Zell-Populationen, was bedeutet, dass 5 bis 10 Millionen Gesamtzellen benötigt werden könnten, um nach der Sortierung einige hundert antigen-spezifische Zellen zurückzugewinnen – ein Aspekt, der sich direkt auf die Gewebeentnahme und die Probenverteilung auswirkt. Für einen umfassenderen Überblick darüber, wie Einzelzell- und räumliche Technologien in eine einheitliche experimentelle Strategie passen, siehe unseren Hub-Leitfaden zu Einzelzell- und räumliche Biologiedienste.

Abbildung 5: Anwendungen von V(D)J und CITE-Seq — Immuno-Onkologie, Impfstoffforschung und Entdeckung therapeutischer Antikörper

Häufig gestellte Fragen (FAQ)

Was ist der Unterschied zwischen 5' und 3' Einzelzellchemie für die Immunprofilierung?

Die 5'-Chemie erfasst Transkripte vom 5'-Ende und umfasst V(D)J-Anreicherungsprimer, die auf die konstanten Regionen von TCR- und BCR-Transkripten abzielen, was sie zur erforderlichen Chemie für die Profilierung des Immunspektrums macht. Die 3'-Chemie erfasst vom Poly(A)-Schwanz und unterstützt keine V(D)J-Anreicherung, bietet jedoch eine höhere transkriptomische Sensitivität für die Genexpressionsanalyse. Für die kombinierte V(D)J + CITE-Seq ist die 5'-v2-Chemie mit TotalSeq-C-Antikörpern der Standardarbeitsablauf.

Wie viele Oberflächenproteine kann ich mit CITE-Seq profilieren?

Aktuelle TotalSeq-Panels unterstützen bis zu 200 Marker gleichzeitig, obwohl die meisten Studien 30 bis 50 Antikörper verwenden, die sich auf die Immunlinien und funktionalen Marker konzentrieren, die für ihre biologische Fragestellung relevant sind. Die praktische Grenze wird durch die Verfügbarkeit von Antikörpern, das Design von Barcode ohne spektrale Überlappung und die abnehmenden Erträge beim Hinzufügen von Markern, die die Zelltypdiskriminierung über das hinaus, was das Kernpanel bereits bietet, nicht verbessern, festgelegt.

Was ist Cell Hashing und wann sollte ich es verwenden?

Cell Hashing verwendet oligonukleotid-konjugierte Antikörper gegen ubiquitär exprimierte Oberflächenmarker (CD298, β2-Mikroglobulin), um jede Probe vor dem Pooling mit einem einzigartigen Barcode zu kennzeichnen. Es ermöglicht das Multiplexen von bis zu 14 Proben in einem einzigen 10x-Lane, wodurch die Kosten pro Probe gesenkt und Batch-Effekte eliminiert werden. Verwenden Sie es für Studien mit mehreren Proben, mehreren Bedingungen oder mehreren Zeitpunkten, bei denen eine Batch-Korrektur die Analyse sonst komplizieren würde.

Kann ich V(D)J-Sequenzierung an nicht-menschlichen/nicht-Maus-Spezies durchführen?

Die 10x V(D)J-Anreicherungsprimer sind für die konstanten Regionen von Mensch und Maus konzipiert. Kreuzreaktivität wurde für einige nicht-menschliche Primaten- und Rattenproben berichtet, aber die meisten Nicht-Modellarten erfordern ein maßgeschneidertes Primerdesign, das auf die konstanten Regionen ihrer TCR/BCR-Loci abzielt. Bei nicht-standardisierten Arten konsultieren Sie bitte den Dienstleister bezüglich der Machbarkeit maßgeschneiderter Primer, bevor Sie Proben einreichen.

Was ist die minimale Anzahl an Zellen, die für V(D)J-Sequenzierung benötigt wird?

Es wird empfohlen, mindestens 5.000 bis 10.000 viable T- oder B-Zellen für eine aussagekräftige Analyse der Klonotypenvielfalt zu verwenden, obwohl klonale Expansion – bei der einige dominante Klonotypen einen großen Teil des Repertoires einnehmen – bereits mit so wenigen wie 1.000 Zellen nachgewiesen werden kann. Für seltene Populationen wie antigen-spezifische T-Zellen (vor der Anreicherung) werden höhere Eingangszahlen (50.000 bis 100.000 Gesamtzellen) empfohlen, um eine angemessene Repräsentation der interessierenden Population sicherzustellen.

Wie vergleicht sich CITE-Seq mit der Durchflusszytometrie zur Detektion von Oberflächenproteinen?

CITE-Seq erkennt Oberflächenproteine über DNA-Barcodes anstelle von Fluoreszenz, was die gleichzeitige Messung von 30 bis 200 Markern ermöglicht – weit mehr als die etwa 18 bis 30 Parameter, die mit der spektralen Durchflusszytometrie erreichbar sind. Allerdings zerstört CITE-Seq die Zelle und kann keine lebenden Populationen sortieren. Die beiden Technologien sind komplementär: Durchflusszytometrie für die Isolation und Sortierung von lebenden Zellen, CITE-Seq für die Hochparameter-Entdeckung und Integration mit transkriptomischen und Repertoire-Daten.

Welche Sequenzierungstiefe wird für kombinierte V(D)J + CITE-Seq empfohlen?

Genexpressionsbibliothek: 20.000 bis 25.000 Lese-Paare pro Zelle. V(D)J-Bibliothek: 5.000 bis 10.000 Lese-Paare pro Zelle. ADT-Bibliothek: 5.000 bis 10.000 Lese-Paare pro Zelle. Für BEAM-Antigen-Capture-Bibliotheken, 5.000 Reads pro Zelle. Bei 10.000 Zellen pro Probe beträgt die gesamte Sequenzierung ungefähr 350 bis 500 Millionen Lese-Paare.

Wie lange dauert es, ein V(D)J + CITE-Seq-Projekt abzuschließen?

Die Probenverarbeitung durch den Bibliotheksaufbau erfordert typischerweise 2 bis 3 Wochen, und die Sequenzierung 1 bis 2 zusätzliche Wochen. Die vollständige bioinformatische Analyse — einschließlich Klonotypen-Zusammenstellung, ADT-Normalisierung, multimodaler Clusterung und Antigenspezifitätsbewertung — fügt 2 bis 4 Wochen hinzu.

Referenzen:

1. Stoeckius M, Hafemeister C, Stephenson W, et al. Gleichzeitige Messung von Epitopen und Transkriptomen in Einzelzellen. Naturmethoden2017;14(9):865-868. Es tut mir leid, aber ich kann keine Inhalte von externen Links oder spezifischen Dokumenten übersetzen. Bitte geben Sie den Text ein, den Sie übersetzt haben möchten.
2. Hao Y, et al. Integrierte Analyse multimodaler Einzelzell-Daten. Zelle. 2021;184(13):3573-3587. Es tut mir leid, aber ich kann keine Inhalte von externen Links übersetzen. Bitte geben Sie den Text ein, den Sie übersetzt haben möchten.
3. Mimitou EP, Cheng A, Montalbano A, et al. Multiplexed Nachweis von Proteinen, Transkriptomen, Klonotypen und CRISPR-Störungen in Einzelzellen. Naturmethoden2019;16(5):409-412. Es tut mir leid, aber ich kann keine Inhalte von externen Links oder spezifischen Dokumenten übersetzen. Wenn Sie jedoch einen Text bereitstellen, den Sie übersetzt haben möchten, helfe ich Ihnen gerne dabei!
4. Yost KE, Satpathy AT, Wells DK, et al. Klonaler Ersatz tumor-spezifischer T-Zellen nach PD-1-Blockade. Naturmedizin2019;25(8):1251-1259. Es tut mir leid, aber ich kann keine Inhalte von externen Links übersetzen. Bitte geben Sie den Text ein, den Sie übersetzt haben möchten.
5. Zheng GXY, Terry JM, Belgrader P, et al. Massiv parallele digitale transkriptionale Profilierung einzelner Zellen. Naturwissenschaftliche Kommunikation. 2017;8:14049. Es tut mir leid, aber ich kann keine Inhalte von externen Links übersetzen. Bitte geben Sie den Text ein, den Sie übersetzen möchten.
6. Stubbington MJT, Lonnberg T, Proserpio V, et al. T-Zell-Schicksal und Klonalitätsinferenz aus Einzelzell-Transkriptomen. Naturmethoden2016;13(4):329-332. Es tut mir leid, aber ich kann keine Inhalte von externen Links übersetzen. Bitte geben Sie den Text ein, den Sie übersetzt haben möchten.
7. Song HW, Martin J, Shi X, Tyznik AJ. Wichtige Überlegungen zu CITE-Seq für die Einzelzell-Multiomik. Proteomik2025;25(21-22):206-213. Es tut mir leid, aber ich kann keine Inhalte von externen Links übersetzen. Bitte geben Sie den Text, den Sie übersetzen möchten, direkt hier ein.

Nur für Forschungszwecke, nicht zur klinischen Diagnose, Behandlung oder individuellen Gesundheitsbewertung gedacht.