一文带你全面了解空间转录组技术

    空间转录组技术在2020年被Nature Methods评为年度技术，如今这项技术已成为肿瘤、免疫浸润、病理学和疾病机制研究等领域的重要工具，不断催生出一系列高质量的科研成果。今天我们就来一起简单了解一下空间转录组吧。

空间转录组技术被Nature Methods评为年度技术 （2020）

    空间转录组技术用于在空间水平上解析基因表达数据，可以同时获得细胞的空间信息和转录模式。

空间转录组分类

    我们知道，空间转录组涵盖多种多样的检测手段。为了对空间转录组技术方法的整体框架有个了解，首先我们进行一下分类整理，便于记忆。

1.       按原理分类：总体上可分为Image-based和NGS-based两大类。

2.       按分辨率分类：总体上可分为Spot, Single-cell和Subcellular三种水平。

探究空间转录组的必要性

     相较于单细胞RNA测序（scRNA-seq），空间转录组技术拥有其独到之处。选择这一技术作为研究手段的理由可归纳为以下几点：

1. 细胞的空间布局与它们的功能及疾病的发展紧密相连。探究细胞的空间分布有助于更深层次地洞察细胞功能和组织架构，进而获得对疾病复杂性的整体性认识。

2. 有助于识别新的生物标志物，为疾病诊断和治疗提供新视角。

3. 有助于揭示未知的细胞类型，拓宽我们对细胞多样性的认识。

4. 对细胞图谱的空间组织进行精细映射，揭示细胞间的相互关系。

5. 鉴定具有时空特异性的基因表达模式，为理解复杂生物过程提供关键线索。

单细胞转录组整合空间转录组

背景

    由于spot-level的空间转录组无法达到单细胞精度，在空转的一个spot单位，一般存在一个以上的细胞信息，有时会影响到后续的分析判断。因此，我们可以将单细胞转录组的结果与空间转录组的结果进行联合，通过两个组学的联合分析，通过单细胞对于细胞的精确注释获得空间转录组上的更多信息，从多维度解决课题关注的科学问题。接下来介绍一下常用的整合方法。

整合方法

    我们在文献中常常能看到mapping和deconvolution这两种单细胞转录组和空间转录组的整合策略。

1）Mapping（映射）：通过以单细胞分辨率创建空间分辨率的细胞类型映射来进行分析。首先，基于scRNA-seq数据建立细胞类型的表达特征是分析的第一步。然后，映射的主要挑战是将基于scRNA-seq的细胞类型分配到每个空间位置上。

方法一：Mapping（映射）

2）Deconvolution（去卷积）：根据单细胞数据绘制的细胞图谱，通过一定的算法从每个spots中捕获的mRNA混合物评估各个细胞类型的占比，从而分离出分散的细胞类型。这种方法适用于scRNA测序和spatial barcoding测序配对数据。有多种可选的去卷积算法，如RCTD、SPOTlight、STRIDE、Cell2location和spatialDWLS等。

方法二：Deconvolution（去卷积）

 本文涉及的整合软件工具包相关的分析流程将会在以后的章节中展开讲解，让我们期待一下吧！

请关注微信公众号，更多精彩内容实时更新中

本网站发布所有原创内容，版权归属尖端生物及相关版权方，内容仅供学术交流，如有侵权请联系删除。未经授权的转载是侵权行为，版权方保留追究法律责任的权利。投稿，转载或版权问题，请联系:submit@advanced-biotech.cn;商务合作请联系:cc@advanced-biotech.cn