マルチスケールトポロジーは細胞をサブセルラー空間トランスクリプトミクスで分類する

科学分野:

• ゲノミクス
• バイオ情報学
• コンピュータ生物学

背景:

• 空間トランスクリプトミックはインサイト遺伝子発現を提供しますが,解像度,深さ,サンプルサイズでトレードオフに直面しています.
• 画像セグメンテーションを統合する現在の方法は,画像品質と組織異質性によって制限されています.
• 配列ベースの技術は,サブセルラー解像度で全トランスクリプトームデータを提供しますが,セルアノテーションツールがありません.

研究 の 目的:

• 空間トランスクリプトミクスを用いた自動化された細胞型分類のための新しいマルチスケール計算フレームワークを開発する.
• サブセルラーレベルの細胞識別のためのトランスクリプトミカルと空間的な文脈の両方を活用する.
• 多様な空間トランスクリプトミクスプラットフォームに適用可能な汎用パイプラインを作成します.

主な方法:

• 細胞分類のためのトランスクリプトミックのデータと空間的な文脈を組み合わせた多層次アプローチ.
• 標的型および全トランスクリプトームの空間プラットフォームに適用できます.
• 細胞の空間的関係のトポロジカル分析のための多パラメータ持続的ホモロジーとの統合.

主要な成果:

• 人間の腎臓組織における細胞分類と形態分析の改善
• 画像データなしで,稀に分布したマウスの腎臓免疫細胞の正確な特定.
• 実験的に検証された狼性腎炎のマウスモデルにおける細胞の空間的関係を特定する.

結論:

• 提案されたフレームワークは,空間トランスクリプトミクスのデータから自動化された高解像度セルタイプ識別を可能にします.
• 画像ベースのメソッドの限界を克服し,さまざまな技術に一般化します.
• このパイプラインは 遺伝子発現と組織レベルで 生物学的な発見を繋ぎます