Deconvolución espacio-temporal de tipos celulares aprovechando la estructura tisular

Área de la Ciencia:

• Genómica
• Bioinformática
• Biología Computacional

Sus antecedentes:

• La transcriptómica espacial (ST) basada en puntos proporciona datos transcriptómicos agregados de ubicaciones tisulares.
• La deconvolución de tipos celulares es crucial para mapear las distribuciones celulares, pero los métodos existentes tienen dificultades con la estructura tisular 3D y las referencias de resolución unicelular.

Objetivo del estudio:

• Desarrollar un método de deconvolución novedoso, SpaDecoder, que utilice eficazmente la arquitectura tisular 3D y las referencias de ARN unicelular (sc) de RNA-seq.
• Mejorar la precisión de la estimación de la proporción de tipos celulares en datos de transcriptómica espacial.

Principales métodos:

• SpaDecoder emplea la factorización de matrices paralelizada para la deconvolución por punto en cortes de ST espaciales o temporales 3D.
• Incorpora un kernel gaussiano de vecindad 3D inferido adaptativamente para aprovechar la estructura tisular.
• El método tiene en cuenta la variabilidad en los perfiles de referencia sc y los efectos de lote.

Principales resultados:

• SpaDecoder demuestra una mejora en la deconvolución de tipos celulares al aprovechar de manera efectiva la estructura tisular 3D y los perfiles de referencia sc.
• Las pruebas de ablación y las comparaciones confirman su rendimiento superior en varias métricas y conjuntos de datos.
• El marco permite análisis posteriores, incluida la imputación de la expresión génica y la identificación de tipos celulares colocalizados.

Conclusiones:

• SpaDecoder ofrece una solución robusta y precisa para la deconvolución de tipos celulares en transcriptómica espacial.
• Su capacidad para integrar información tisular 3D avanza significativamente el análisis de las distribuciones de tipos celulares espaciales.
• El método proporciona una plataforma versátil para diversos análisis posteriores de transcriptómica espacial.