论文日鉴8-时空组学

作者: 可能性之兽 | 来源:发表于2022-05-12 19:06 被阅读0次

Recent advances in single-cell sequencing technologies
Recent advances in single-cell sequencing technologies | Precision Clinical Medicine | Oxford Academic (oup.com)

空间位置信息对于细胞命运至关重要，新的空间转录组方法不仅能够带来转录组信息，同时还提供空间信息，帮研究者更好辨别转录的位置。将研究拓展到单细胞分辨率可更大程度提升科学家对单个细胞的认识和解读。近年来，空间转录组技术得到了迅速发展和改进，特别适用于无法进行基因标记的人类研究。空间转录组学包括三类技术，第一类是单分子荧光原位杂交技术（smFISH），第二类是原位测序技术，第三类是基于原位捕获策略的空间转录组技术。（图1）前两类技术具有单细胞分辨率，第三类技术正逐步接近单细胞分辨率。
smFISH的代表技术是seqFISH和MERFISH。seqFISH可以通过多轮杂交在RNA上赋予时间条形码，允许许多分子被多重化。MERFISH是一个高度多重化的smFISH成像方法，可以在单个细胞中鉴定数千种RNA的拷贝数和空间定位, 该技术使用组合标签、连续成像等技术来提高检测通量。原位测序技术可以对固定组织或细胞样本中的mRNA进行直接测序，其强大之处在于发现测序信息与其位置之间的关联，其代表性技术分别为FISSEQ、ISS、STARmap、ExSeq。

image.png

MEFISTO：从多模态数据中识别变异的时间和空间模式

Identifying temporal and spatial patterns of variation from multimodal data using MEFISTO | Nature Methods

因子分析是基因组学中广泛使用的降维方法。现有的因子分析模型假设观察到的样本是独立的，而这个假设在时空分析研究中并不适用。2022年1月《Nature methods》发表了一个灵活且通用的工具箱：MEFISTO，用于在已知样本之间的空间或时间依赖性的情况下对高维数据进行建模。MEFISTO不仅保持了因子分析对多模态数据的既定优势，还能够进行空间-时间上的降维、插补和平滑与非平滑变化模式的分离。此外，MEFISTO 可以通过以数据驱动的方式同时识别和对齐潜在的变异模式来整合多个相关数据集。

image.png
https://biofam.github.io/MOFA2/MEFISTO.

Stereo-seq

Spatiotemporal transcriptomic atlas of mouseorganogenesis using DNA nanoball-patterned arrays
空间分辨转录组技术是研究哺乳动物胚胎发生等复杂生物学过程的有前途的工具。然而，分辨率、基因捕获和现有方法的视野之间的不平衡使得它们无法系统地应用于分析相对较大的三维中晚期胚胎。在这里，我们结合 DNA 纳米粒子(DNB)图案阵列和原位 RNA 捕获创建空间增强分辨率组学测序(Stereo-seq)。应用 Stereo-seq 技术建立了小鼠器官发生时空转录图谱(MOSTA) ，该图谱以单细胞分辨率和高灵敏度描绘了小鼠器官发生过程中转录变异的动力学和方向性。我们利用这些信息来深入了解发育中的组织(如中脑背侧)中细胞空间异质性和细胞命运规律的分子基础。我们的全景图集将有助于深入调查有关正常和异常哺乳动物发展的长期问题。

image.png