2023-03-16

Nat Biotech | 新方法比对单细胞和高分辨率空间转录组，可重建复杂组织

原创 M. B. 图灵基因 2023-03-16 10:41 发表于江苏

收录于合集#前沿生物大数据分析

撰文：M. B.

IF=68.164

推荐度：⭐⭐⭐⭐⭐

亮点：

1、以单细胞分辨率进行组织制图。

2、在单细胞水平上进行复杂组织的重建。

3、优化单个细胞从单细胞RNA测序图谱中映射到空间表达谱的方法。

关键词

限制性表达比对（Constrained Expression alignment, CytoSPACE）；单细胞空间转录组学（Single-cell spatial transcriptomics, single-cell ST）；单细胞RNA测序（Single-cell RNA sequencing, scRNA-seq）

近日，美国加利福尼亚州斯坦福的Aaron M Newman团队在《Nature biotechnology》杂志上发表了名为“High-resolution alignment of single-cell and spatial transcriptomes with CytoSPACE”的文章。最近的研究强调了单细胞空间生物学的重要性，然而可用的空间转录组学的检测方法的基因恢复有限，并且空间分辨率低。在这篇文章中，作者介绍了限制性表达比对（Constrained Expression alignment, CytoSPACE），这是一种将单个细胞从单细胞RNA测序图谱映射到空间表达谱的优化方法。在不同的平台和组织类型中，作者表明CytoSPACE在噪声耐受性和准确性方面优于以前的方法，能够以单细胞分辨率进行组织制图。

单细胞空间组织是细胞状态和功能的关键决定因素。例如，在人类肿瘤中，局部信号网络以差异方式影响单个细胞及其周围的微环境，对肿瘤的生长，进展和对治疗的反应产生影响。尽管空间转录组学（Spatial transcriptomics, ST）已成为描绘组织标本中空间基因表达的有力工具，但常用的平台仍然仅限于批量基因表达测量，每个空间分辨表达谱需来自多达十个或更多的细胞。因此，开发具有单细胞分辨率，通过空间定义细胞状态、相互作用模式及其周围群落的空间定位分析方法将非常有意义。

1、限制性表达比对（Constrained Expression alignment, CytoSPACE）的开发和技术评估

作者开发了通过限制性表达比对（Constrained Expression alignment, CytoSPACE）进行细胞空间定位分析，将单个细胞从单细胞RNA测序（Single-cell RNA sequencing, scRNA-seq）图谱映射到ST数据集中的精确空间位置。为了测试CytoSPACE的性能，作者模拟了具有完全定义的单细胞组成的ST数据集。结果表明数据集允许对细胞进行严格的点到点的比对评估，并且CytoSPACE在模拟ST数据集中将单个细胞映射到其已知位置的精度明显高于其他方法。

2、模拟空间转录组学（Spatial transcriptomics, ST）数据中基因水平空间依赖性和受控噪声对单细胞RNA测序（Single-cell RNA sequencing, scRNA-seq）查询数据的影响

为了在保持空间依赖性的同时增加转录组的代表性，作者叠加了一个具有可调维度的空间网格，将单细胞转录组数据批量汇集到拟体转录组中。这是在一系列真实的光斑分辨率（平均每个光斑5、15和30个细胞）下完成的。为了保证scRNA-seq查询数据集中每个细胞的唯一空间地址，作者从每个拟体ST阵列下面的细胞创建了一个配对的scRNA-seq图谱。最后，为了模拟scRNA-seq和ST数据集之间的技术和平台特异性，作者在scRNA-seq数据中添加了不同数量的噪声。总的来说，这些数据集允许严格评估细胞-点的对齐分析，包括用于研究比对质量的正交方法。

3、估计批量空间转录组学数据中细胞类型分数和每个点的细胞数

作者还评估了CytoSPACE参数推断的方法。对于细胞类型的计数，作者采用了Spatial Seurat，它在模拟的ST数据集中显示出与已知全局比例的强烈一致性。为了近似每个点的细胞数量的分析，作者实施了一种基于RNA丰度估计的简单方法，这种方法将模拟的ST数据集中的实况预期和来自真实ST数据集相匹配的组织学图像的细胞分割分析相联系。

4、使用限制性表达比对（Constrained Expression alignment, CytoSPACE）在不同组织类型和平台上进行单细胞制图

为了评估真实ST数据集的性能，作者检查了三种实体恶性肿瘤的原发性肿瘤标本：黑色素瘤，乳腺癌和结肠癌。将每个scRNA-seq数据集中的所有细胞类型都通过CytoSPACE进行比对，与其他平台相比，CytoSPACE非常高效。为了定量比较肿瘤微环境（Tumor microenvironment, TME）中细胞状态的空间定位模式，作者将每种细胞根据它们与肿瘤细胞的接近程度在每种类型中分为两组，然后进行评估。与预期一致，CytoSPACE恢复了T细胞耗竭基因的空间富集，其中CD4和CD8 T细胞最接近癌细胞。同样，CytoSPACE成功地恢复了淋巴和骨髓谱系中CE9和CE10细胞的空间状态。除此之外，CytoSPACE重建了肾脏已知区域的空间组织模式。

5、限制性表达比对（Constrained Expression alignment, CytoSPACE）应用于单细胞空间转录组学（Single-cell spatial transcriptomics, single-cell ST）数据的技术评估。

作者还分析了一个乳腺癌标本，用于确定CytoSPACE是否可以增强低基因通量的单细胞ST数据集。作者首先确认CytoSPACE可以准确地绘制单个细胞，并概括它们的空间依赖性。接下来，作者绘制了scRNA-seq乳腺癌图谱，除了观察到大多数注释的细胞类型与平台间的一致性，还证实了富集在肿瘤附近的T细胞特征的显著偏倚。总的来说，这些数据强调了CytoSPACE在单细胞水平上进行复杂组织重建的多功能性。

技术路线

总之，CytoSPACE是一种通过全局优化的方式来对单细胞和空间转录组进行共同分析的工具。CytoSPACE确保以基于相关性的函数和每个点的细胞数量为条件的全局最佳单细胞比对。此外，它可以很容易地扩展以适应额外的约束。尽管CytoSPACE需要两个输入参数，但使用标准方法可以合理地估计这两个参数，这表明它们在实践中不太可能构成主要障碍。此外，在模拟数据集和真实数据集上，CytoSPACE都比相关方法准确得多。因此，作者预计CytoSPACE将被证明可用于破译不同生理和病理环境中单细胞的空间变异和群落结构。

教授介绍

Aaron M. Newman，斯坦福大学生物医学数据科学助理教授，主要研究乳腺癌肿瘤的发生、淋巴瘤患者的临床异质性以及循环肿瘤DNA的超灵敏定量。

参考文献

Vahid MR et al. “High-resolution alignment of single-cell and spatial transcriptomes with CytoSPACE” Nat Biotechnol. Mar 6 2023. doi: 10.1038/s41587-023-01697-9.