大家都知道scRNA-seq较多地捕获了免疫细胞，而snRNA-seq则在恶性和间质细胞等实质细胞中占优，但是空间组学，无论是空间转录还是空间蛋白就比较贵了，很多时候能做一个就可以了，这篇文章做了四种，看看这4中分别能看到什么，有什么共同之处，也给咱们一个参考。
这篇文章的代码也真是绝了，想学习单细胞测序，单细胞核与单细胞整合，各种空间组学数据分析的，直接看这篇得了，整理的太全了，都不用费劲找各种教程了。近日，Nature Medicine 发布了一篇关于转移性乳腺癌（MBC）研究的重要论文，展示了单细胞测序和空间组学技术在肿瘤微环境研究中的强大应用和优势。该研究汇集了来自60位患者的67份肿瘤活检样本（这篇文章很多都是穿刺样本，属实不易啊
），横跨多种临床病理特征和九个解剖部位。这项研究通过结合单细胞或单核RNA测序（sc/snRNA-seq）和四种空间表达方法（Slide-seq、MERFISH、ExSeq和CODEX），绘制出了一幅多模式的细胞和空间表达图谱，为转移性乳腺癌的深入研究提供了前所未有的见解。
单细胞测序与空间组学的结合
单细胞测序技术近年来迅速发展，使研究人员能够以单细胞分辨率分析肿瘤微环境中的多种细胞类型及其基因表达特征。然而，对于转移性疾病，由于样本可获取性和多样性有限，相关研究仍然稀缺。该研究通过综合使用scRNA-seq和snRNA-seq，展示了两种方法的互补特性：scRNA-seq更适合捕获免疫细胞，而snRNA-seq则在捕获恶性和间质细胞方面表现更佳。这种策略克服了单一方法的局限性，进一步丰富了转移性乳腺癌的细胞谱系信息。
研究还采用了多种空间组学方法来进行样本的高分辨率定位和分析。Slide-seq 提供了近细胞水平的全转录组捕获，而MERFISH、ExSeq 和 CODEX 则通过针对特定的RNA或蛋白质面板，实现了更精细的空间分辨率。这种多方法的组合使研究团队能够在单一样本的不同切片上使用不同的空间技术，并将这些数据整合起来，形成完整的空间表达图谱。研究表明，不同方法在细胞类型组成和分布上的相关性较高（中位皮尔逊相关系数约为0.9），显示出多方法联合使用的可行性和一致性。
临床特征与细胞组成的关联
在细胞组成方面，该研究发现了不同方法的独特偏好。例如，scRNA-seq较多地捕获了免疫细胞，而snRNA-seq则在恶性和间质细胞中占优。对一些患者的多次活检结果进行分析后，研究揭示了在相隔时间不同和病变部位不同的情况下，细胞组成的显著变化。此外，免疫细胞如巨噬细胞的丰度与免疫治疗的近期应用和HR−/HER2−受体状态密切相关。这些发现为研究免疫微环境在转移性乳腺癌中的作用提供了有价值的线索。
空间组学揭示的新见解
空间组学方法的应用使研究人员能够分析细胞在组织中的精确位置及其与其他细胞的相互作用。例如，该研究展示了不同样本中巨噬细胞与其他细胞类型的共定位情况，并识别了三种不同的空间表型——短距离聚集、长距离聚集和细胞间混合。这些空间信息有助于揭示肿瘤细胞如何在微环境中协同或抑制免疫反应，进而影响肿瘤的生长和转移。
此外，通过对上皮-间质转化（EMT）相关基因表达的空间分析，研究发现EMT在空间上呈现高、低或不均匀分布的不同表型。这些分布特征与肿瘤的恶性程度和病理特征密切相关。研究中使用MERFISH和Slide-seq等方法对EMT信号的分布进行比较，进一步展示了空间组学在理解癌细胞行为方面的重要性。
想了解生信的，跟班的，可以看下面👇这个文章
关键词：单细胞测序，生信分析，生物信息学，空间组学，绝佳教材系列
引文，原文
Klughammer, J., Abravanel, D.L., Segerstolpe, Å. et al. A multi-modal single-cell and spatial expression map of metastatic breast cancer biopsies across clinicopathological features. Nat Med (2024).
后苔↩️之前贴子的岸号即可霍得之前的代码，今日关键词：241105
