读《糖生物学基础》第四版

跟着运来兄搭建自己的生物信息小书房。趁年轻，读几本硬书，到老了慢慢反刍。

《糖生物学基础》是咱们生信书房推荐的第63本书。我接触糖生物学的时间不长，大约2022年，当时一个项目是做单细胞水平的糖基化测序。那是人生初见，就从教科书学起，当时买了糖生物学方面的两本书：

• 糖生物学基础
• 糖基化修饰与糖复合物功能

它们让我了解到一个新的组学及其特点，不至于和别人介绍单细胞糖基化测序的时，有什么大的差池。更主要的是，有了糖生物学基础，可以把相应的单细胞概念纳入其中，寻找单细胞糖基化的生物学价值。

这里的生物学价值包括但不限于：

• 细胞膜表面的糖基化事件是细胞识别关键信息，被誉为细胞的面膜
• 免疫细胞表面的糖基化信息，可以表征其状态的变化，糖基化信息可以与单细胞拟时序轨迹相结合
• 细胞类型的糖基化是有异质性的，可以借助糖基化信息寻找新的细胞类型或状态
• 不同糖型之间的区别，糖基化的种类
• 糖生物学在中心法则中位置，以及糖组学与基因组/转录组/表观组学的区别与联系
• 糖信息的非模板特征，不同于基因组/转录组/表观组学
• 发育、分化、癌变中的糖基化改变

在这两本书中并没有明确提出糖组学的概念，虽已然呼之欲出。这一概念的进一步发展来自2025年谢然老师团队新译本的《糖生物学基础》第四版。

最直观的表现就是有独立的章节来介绍糖组学和糖蛋白质组学以及糖生物信息学，且看目录中的第51章和第52章。

第51章 糖组学和糖蛋白质组学
51.1 糖组 
51.2 糖组与基因组和蛋白质组的关系 
51.3 比较糖组学 
51.4 用于表征糖组的工具 
51.5 糖组学和糖蛋白质组学 
51.6 糖组学分析 
51.7 糖组学分析的未来 
51.8 从糖组学分析到糖蛋白质组学分析 
51.9 糖基化位点的描绘 
51.10 糖蛋白质组学：确定位点上不均一的糖基化
51.11 糖蛋白质组学的局限与前景
致谢 
延伸阅读 
第52章 糖生物信息学
52.1 糖生物学中对信息学的需求 
52.2 聚糖结构图
52.3 对糖生物信息学数据库需求的认识 
52.4 当代糖生物信息学研究 
52.5 数据标准化和本体论 
52.6 用于阐释实验数据的软件工具 
52.7 糖生物信息学发展的未来展望 
致谢 
延伸阅读 

所以在这本书的扉页中我记下自己的阅读体会：

• 系统提出了糖组学的概念、工具与方法
• 建立糖生物学与现代细胞生物学建立起广泛的联系
• 从糖生物学是什么，到糖生物学可以做什么
• 糖生物信息学的概念、工具与方法

在第51章的空白处，我写下这个问题的答案：

单细胞糖组学为什么是必然的？

• 糖组信息在不同细胞类型中是由异质性的
• 糖组本身有不同的指标，就像转录组有不同的转录本
• bulk水平的定量方法已经成熟，只需要转化到单细胞水平即可
• 单细胞生物信息与糖生物信息可以很好结合在一起

于是，我们不仅要问： 既然这个事情是如此的必然，不可能只有鄙人想到，一定有学者已经这样做了。一查，果然。

在还没有糖定量方法的时候，已经有学者从转录组水平来研究糖组了。逻辑也很简单，选出转录组中那些与糖相关的基因，至少是可以做一个糖基因集的一个打分。这就是文章Applying transcriptomics to study glycosylation at the cell type level的基本思路。

作者还开发了一个R包：Rglycopacity

devtools::install_github('CopenhagenCenterForGlycomics/RGlycopacity')

# OR

remotes::install_github('CopenhagenCenterForGlycomics/RGlycopacity'

library(Seurat)
pre_processed_rds = readRDS('my_seurat.Rds')
library(RGlycopacity)
data_pseudobulk = calculatePseudobulks(pre_processed_rds)
expression_range_table = calculateExpressedRange(data_pseudobulks)

那么，有了特定糖定量方法之后，就有学者开发出来了SUGAR-seq enables simultaneous detection of glycans, epitopes, and the transcriptome in single cells. 能够在单细胞水平上检测和分析细胞表面N-连接糖基化、细胞外表位和转录组的方法。

除了方法学的开发，应用层面也有文章陆续见刊，远的不说，2025年3月就有学者发表文章SUGAR-seq reveals the transcriptome and N-linked glycosylation landscape of mononuclear phagocytes at single-cell resolution in a mouse model of autosomal dominant osteopetrosis type 2.单细胞糖基化分析揭示了 ADO2 中单核细胞的异质性，各细胞亚型中观察到的异常糖基化修饰可能在骨质疏松症的发病机制中发挥关键作用。

文中sweet_tag是每个细胞膜表面的糖基化水平（N-glycans levels）。

以上，我们看到了单细胞糖组学既是单细胞多组学发展的必然趋势，也是正在发生的事实。

遗憾的是，这一版《糖生物学基础》，单细胞糖组学（Single-Cell Glycomics）尽管跃然纸上，却并没有着以足够的笔墨，甚至测序技术在糖组学上的应用案例都很少。在糖组学分析这部分提到的方法是质谱法、液相色谱法、核磁共振、聚糖结构分析以及相关的结构数据库。

走出自我的臆想，回到第四版《糖生物学基础》上来，这一版相较于上版本有较大的不同，内容、结构、排版，都有很大的增益，这也反映出糖生物学的快速发展。糖生物学的发展不仅体现在书本中，在生命科学与医学院中，糖组学课题组越来越多，以糖作为核心产品的生物技术公司越来越多，一个合糖悦色，多彩图谱的糖生态圈已经形成。

而这八个字，也是本书译者谢然老师在我这本《糖生物学基础》扉页上题的字儿。

Leo Alexander Dworkin, Henrik Clausen, Hiren Jitendra Joshi,Applying transcriptomics to study glycosylation at the cell type level,iScience,Volume 25, Issue 6,2022,104419,ISSN 2589-0042,https://doi.org/10.1016/j.isci.2022.104419.
Kearney CJ, Vervoort SJ, Ramsbottom KM et al. (2021) SUGAR-seq enables simultaneous detection of glycans, epitopes, and the transcriptome in single cells. Science Advances 7(8); eabe3610.
Sha, Y., Huang, L., Zhang, L. et al. SUGAR-seq reveals the transcriptome and N-linked glycosylation landscape of mononuclear phagocytes at single-cell resolution in a mouse model of autosomal dominant osteopetrosis type 2. BMC Biol 23, 91 (2025). https://doi.org/10.1186/s12915-025-02193-z