单细胞转录组可以解析每个组织中的细胞类型构成以及其表达模式,而空间组学最大的特征就是可以保留基因表达的空间位置信息,帮助我们解析不同区域中,基因表达模式以及细胞类型组成的差异。空间组学技术在NATURE杂志发表的2024七大技术中再一次提及,随着技术的不断发展,空间组学技术不断创新,也在越来越多的文章中被提及,Nature杂志针对这一技术也做出展望:分辨率不止于此,接下来本文重点介绍目前的空转技术我们能够做哪些分析。
目前不论是低分辨的空转技术还是高分辨率的空转技术,我们都建议使用单细胞转录组的注释信息来映射对应的空转样本,去获取到空转数据中的细胞类型信息,接下来介绍一下目前比较常见的细胞类型注释信息从单转映射空转的方法:
1. Intergrate&spotlight
这两种技术是目前比较常见的单转映射空转的方法,我们以spotlight为例,在这篇乳腺癌的研当中,作者可以通过spotlight,展示了空转片子中每个SPOT的细胞类型占比情况,
(Liu YM et al., Adv Sci, 2023)
2. cell2location
相较于Intergrate&spotlight,cell2location对于展示某个细胞类型在空间上的丰度分布有了更加直观的可视化,软件原理详见https://mp.weixin.qq.com/s/_Jb_Rq_QIDRMY_XJ7idOhg。
在ALS(肌萎缩侧索硬化症)的一篇研究中,作者通过Cell2location,研究人员对L5皮层空间转录组数据进行细胞类型的去卷积分析,结果显示L5运动皮层存在高丰度的上运动神经元和L5兴奋性神经元,揭示了ALS的细胞类型易感性
(Ming Zhang et al., Brain, 2024)
3. CytoSPACE
CytoSPACE 可以根据颜色的变化展示各个细胞类型在不同区域的丰度变化,软件作者强调CytoSPACE在噪声耐受性和准确性方面优于以前的方法,使空转数据实现单细胞分辨率下的空间分布。
在空间数据中,我们想要某种基因表达特征来定义某部分区域的话,基因集打分一定是不错的选择,我们可以通过代表该特征的基因集的得分来定义空间位置上不同区域的特征强弱,图六通过基因打分(OXPHOS score and EMT score),揭示了EDC(early-disseminated cancer cell)主要是分布肿瘤前沿。
细胞互作是单细胞分析中绕不开的话题,是探究科学问题非常重要的一种分析手段,在空转中也是同理。来自德克萨斯大学西南医学中心的王涛博士团队在Nature Methods上发表了标题为Mapping Cellular Interactions from Spatially Resolved Transcriptomics Data的文章。作者开发了Spacia,该软件达到了在单细胞分辨率下对细胞信号交流进行分析。不同于其它方法。下图展示了作者通过Spacia,推断了肿瘤微环境中的非肿瘤细胞如何影响前列腺癌细胞,可视化了癌细胞与非癌细胞之间的相互作用以及相互作用的细胞对的空间位置图
空间组学最大的优势是保留了空间位置信息,使研究者能够在细胞和分子层面上探索组织结构和功能,目前的科学研究中,单细胞转录组和空转技术结合能够更加全面的去回答科学问题,本文介绍了三种分析角度,当然并不局限这三种,更多的还是要围绕自己的研究目的选择对应的分析方法去分析。通过细胞类型注释、基因集打分和空间互作分析,研究者能够揭示不同空间位置上的细胞类型构成,以及这些细胞类型的相互作用如何影响组织的功能和疾病的发展。随着技术的不断进步。分辨率不断提高,空间组学分析将在生物医学研究中扮演越来越重要的角色。
为什么大家都在做Astral-DIA?蛋白组学技术平台比较-备战国自然2025
国自然2025:单细胞+bulk转录组如何开展研究?|生信开发实战
本文系联川生物公众号原创文章,未经授权禁止转载,侵权必究! 扫描下方二维码 点分享
点点赞
点在看