马萨诸塞州伍兹霍尔-神经科学的长期目标是根据大脑的许多细胞的功能将其分为不同的类别。这些类别可以帮助研究人员了解最终导致行为和疾病的复杂神经回路。但是，关于什么指标应该定义单元格的身份，人们几乎没有共识。

在一项新的研究中，一项在海洋生物实验室的神经系统与行为(NS&B)课程中部分诞生的合作测试了一种观念，即细胞的身份只能由其表达的基因来描述。该研究发表在《美国国家科学院院刊》上，提倡一种更为“多峰”的方法来定义细胞身份。

通过使用流行且强大的RNA测序技术，研究人员可以拍摄当前细胞内所有打开的基因的快照。但是，越来越明显的是，此类策略可能无法提供完整的细胞特征图或表示随时间变化的能力。

NS&B讲师Hans Hofmann，David Schulz和Eve Marder以及他们的合作者将两种基于RNA的流行方法用于测试：单细胞RNA测序和定量RT-PCR。他们将这些技术应用于蟹癌的两个神经团-胃胃和心脏神经节-经过深入研究，使他们能够将基于RNA的方法的结果与其他已知的细胞身份指标进行比较。

他们发现，由完整的RNA谱或“转录组”产生的细胞身份与他们经过多年观察已经汇编的现有细胞身份不匹配。实际上，基于细胞的整个转录组对细胞进行分类最终会产生“混乱的”身份。

然而，随着研究人员进一步完善对关键基因的选择以输入到他们的分析中，RNA谱开始更类似于从其他属性(如神经分布模式，形态和生理学)收集的身份。因此，与单独的RNA测序相比，这种多峰方法有可能揭示更准确的细胞身份描述。

霍夫曼认为，大多数研究都不会费心用其他细胞身份指标(如形态学和生理学)来验证转录组数据。他说：“细胞类型的分类和表征通常是在特定研究的背景下进行的，而不是基于系统的方法。”“我们确实必须收集很多额外的数据，甚至跨物种，以得出可靠的细胞类型分类法。”

Schulz补充说：“ RNA测序前景广阔且功能强大，但这项研究提供了宝贵而必要的检查。”“而不是完全依赖盲目地应用于单元格类型的分析，而是尽可能考虑多种信息形式也很重要。”

霍夫曼(Hofmann)和舒尔茨(Schulz)一致认为，这种技巧是知道哪些数据指示细胞身份，哪些数据仅仅是干扰准确分类的噪声。

研究人员还必须最终就“细胞身份”的定义达成共识。在细胞类型之间划定牢固的界限在许多方面都是有用的，但最终可能会出现问题。

舒尔茨说：“很快，我们将开始看到尝试将非常离散的类别强加给个体内部和个体之间的细胞类型的局限性。”