在单细胞研究如此内卷的当下，单细胞宿主-微生物互作研究另辟蹊径对单细胞数据进行了深入的讨论，是当下的又一热点。
然而，传统上的宿主与微生物相作研究需要分别分析宿主细胞和微生物组的数据，这样可能会遗漏两者之间的部分互作关系。
罗格斯大学开发的SAHMI流程如果能够在单一样本中同时获取细胞的转录组和微生物组的信息，不仅可以节约时间和经济成本，而且能够更全面地揭示组织内细胞与微生物的互作，进而从更宏观的角度理解微生物对宿主细胞的影响。之前我们已经介绍过同一作者的文章，以单细胞转录组和微生物组关联分析为切入点，探究了宿主-微生物互作对胰腺癌造成的影响（Cancer Cell全新组学联合-癌症微生物探索）。
今天小编带大家来看该团队2023年关于SAHMI宿主-微生态系统联合分析的最新发表文章。
实验设计
图 SAHMI流程图
图 SAHMI流程介绍
实验结果
1、SAHMI可以对微生物信号进行去噪处理
使用Kraken2微生物数据库对8个样本的单细胞转录组测序数据进行分析，在每个样本内都可以观察到微生物的mRNA被捕获（图1 a）。捕获的物种数量与序列数成正比，并且在后续分析时去掉了宿主基因后，捕获到的微生物的序列数显著增加（图1 b-c）。
图1 SAHMI的实际应用效果
2、k-mer相关性检验
k-mer相关性检验通过评估每个微生物分类群的总k-mers和独特k-mers的数量关系来进行。结果表明真正存在的微生物显示出极高的相关性，表明这些微生物的序列分布与预期的微生物信号一致，这些分类群的序列可能并非来自于真正的微生物（图1 d-e）。k-mer测试失败的分类群的序列大部分都属于人类基因组，并且通过 k-mer 相关性测试的分类群拥有较高的 BLAST评分（图1 g-i）。
图1续 SAHMI去除污染的效果
3、细胞系测试
SAHMI能够有效地过滤掉假阳性和污染物，与背景噪声相比，真实存在微生物的序列数比例显著增高，并且每个样本中只有少数物种可以通过了 k-mer 相关性测试和细胞系分位数测试，有效地保留了真实存在的微生物信息（图2 a-d）。
图2 SAHMI使用细胞系检测过滤污染物和假阳性
4、SAHMI结果验证
通过将SAHMI识别的微生物序列与人类基因组进行比对，研究者发现通过k-mer相关性测试的微生物序列在人类基因组中映射的位置较少，使用mBodyMap从通过 SAHMI 测试的皮肤样本中评估微生物的来源，结果表明这些物种大部分是从皮肤微生物组中富集得到，与预期一致（图2 e-f）。评估了 SAHMI 在胰腺癌样本中的应用表现，结果表明SAHMI可以有效识别癌症样本中的真实微生物序列（图3）。
图2续 SAHMI实际应用结果验证
图3 SAHMI在胰腺癌组织测序结果中的应用
研究结论
SAHMI流程可以从原本被忽略的数据中提取出微生物的转录本信息，并将其与barcode上的序列匹配，从而揭示每个宿主细胞与微生物之间的相互作用，并且在实际样本中表现出了良好的微生物序列捕获效率。
凌恩生物技术团队潜心攻关
推出单细胞宿主-微生物互作
研究新策略-SAHMI
通过完善的流程深入挖掘单细胞测序数据微生物信息，无需额外样本，成本低、结果置信度高，为您打开单细胞研究新视角！参考文献
Ghaddar B, Blaser MJ, De S. Denoising sparse microbial signals from single-cell sequencing of mammalian host tissues. Nat Comput Sci. 2023 Sep;3(9):741-747. doi: 10.1038/s43588-023-00507-1. Epub 2023 Sep 18.
相关阅读
