单细胞中的细胞下空间解析基因邻近网络

科学领域:

• 分子生物学分子生物学
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 基于图像的空间奥米克,如光在位杂交 (FISH),以单个分子分辨率对单个细胞进行分析.
• 目前的空间转录组学主要研究单基因分布,忽视了RNA转录接近的功能意义.
• 了解细胞下区域内的基因近距离对于细胞功能和细胞类型识别至关重要.

研究的目的:

• 引入一个新的管道,空间解析基因邻近网络 (spaGNN),用于分析亚细胞基因近距离关系.
• 利用机器学习对空间转录组学数据进行集群,并识别基因密度类.
• 为了证明spaGNN在区分基于空间转录组学数据的细胞类型中的实用性.

主要方法:

• 开发spaGNN管道用于分析亚细胞基因近距离.
• 基于机器学习的聚类对空间转录组学数据的应用,用于亚细胞密度分类.
• 最接近邻居分析,在不同的亚细胞区域内生成基因近距离地图.

主要成果:

• spaGNN成功地将亚细胞空间转录组学数据集成到不同的密度类.
• 为不同的亚细胞区域生成异质基因近距离地图.
• spaGNN使用FISH数据从各种细胞类型中展示了细胞类型区分能力,包括纤维细胞,U2-OS细胞和介酶干细胞 (MSC).
• 揭示了MSCs的组织来源特定的转录组学和空间分布特征.

结论:

• spaGNN方法扩大了用于细胞类型分类的空间特征目录.
• 分析基因接近性为细胞功能和空间组织提供了新的见解.
• spaGNN为先进的空间转录学分析提供了一个强大的工具.