整合空间转录组学和单细胞测序的新方法

来源：生物通

纽约大学的研究人员近日开发出一种方法，能够整合空间转录组学和单细胞转录组学的数据，揭示组织中的细胞空间结构。

纽约大学的研究人员近日开发出一种方法，能够整合空间转录组学和单细胞转录组学的数据，揭示组织中的细胞空间结构。这项成果于本周发表在《Nature Biotechnology》杂志上。

研究人员表示，他们的方法使用了一种名为多模式交叉分析（MIA）的新过程，与瑞典生命科学实验室和卡罗林斯卡研究所先前开发的空间转录组学方法相比具有更高的分辨率和灵敏度。

文章通讯作者、纽约大学朗格尼医疗中心（NYU Langone Health）的Itai Yanai表示，空间转录组学和单细胞RNA测序的缺点互补。利用两种方法分析样本，并将每个部分的结果相结合，“你就可以两全其美”。

Yanai的团队发现，这种方法可帮助他们在空间背景下绘制细胞类型、细胞亚群，甚至细胞状态。例如，在胰腺癌组织中，炎性成纤维细胞的周围往往能发现处于“应激”状态的肿瘤细胞。“许多文章都报道了癌细胞的状态，人们对此感到困惑，”Yanai说。“我们发现，如果你掌握空间因素，那么你就可以试着理解它们。”

纽约大学的团队提出了一种方法，可以整合每种模式中重要的基因集合。MIA定义了与细胞类型或细胞状态相关的基因集合。例如，研究人员发现了555个基因，其表达集中在成纤维细胞。在对空间转录组学方法的芯片点进行类似分析后，“我们要做的仅仅是询问重叠是否具有统计学意义，”Yanai说。

研究人员使用了早期的空间转录组学方法以及InDrop单细胞RNA测序。不过Yanai表示，MIA可以使用任何平台产生的RNA-seq图谱。他建议将MIA与Visium一起用。Visium空间转录组学平台由10x Genomics公司在2019年的下半年推出。Yanai表示，他的实验室已开始使用这项技术。

不过，作者也指出他们的方法存在一些局限。空间转录组学芯片（大概是6 mm x 6.5 mm）有时候不够大，无法覆盖整个组织切片，而玻片上转录本的扩散会使结果混淆。

“我们有时会因为将样本一分为二而失去一些东西，因为空间转录组学研究的对象与单细胞测序并不完全相同，”Yanai谈道。“我们认为在同一样本上开展两项分析特别重要，因为特定样本可能含有独特的亚群和细胞类型。”

正如研究人员在论文中所做的那样，研究癌细胞和肿瘤组织是该技术的方向，但Yanai表示，他的实验室也在研究胎盘样本。作者表示，这种方法“未来或具有预后价值”，但Yanai不打算申请专利，也不打算商业化。