在空间转录组学中,单细胞水平的解,卷积和集群是通过对准点位水平的转录组与核形态对齐来实现的
Shijia Zhu1,2, Naoto Kubota2, Shidan Wang3
1Department of Laboratory Medicine and Pathology, University of Minnesota, Minneapolis, Minnesota, USA.
bioRxiv : the preprint server for biology
|January 8, 2024
概括
空间转录学往往由于固定的点大小而无法对单个细胞进行分析. 新的EM算法STIE使用组织学图像来恢复缺失的细胞,实现真正的单细胞分辨率,以便更好地分析基因表达.
科学领域:
- 空间转录组学 空间转录组学
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
背景情况:
- 目前基于点的空间转录组学方法由于固定的点大小和位置,难以对单个细胞进行分析.
- 现有的方法专注于改善现货分辨率,但忽视了实现真正的单细胞级别分析的根本挑战.
- 高分辨率的空间转录组学仍然包含覆盖多个细胞的斑点,限制了单细胞分析.
研究的目的:
- 开发一种计算方法,可以从基于点的空间转录学数据中实现真正的单细胞水平分析.
- 将空间转录学与组织学图像集成在一起,以增强细胞解和聚类.
- 为了恢复缺失的蜂信息在地区不覆盖的斑点.
主要方法:
- 开发了STIE,一个期望最大化 (EM) 算法.
- 使用核形态学对齐空间转录组学数据与组织学图像.
- 通过利用核形态相似性和邻近信息来恢复缺失的细胞,解决高达~70%的差距区域.
主要成果:
- 对于低分辨率和高分辨率的斑点,STIE实现了真正的单细胞水平解卷/卷积和聚类.
- 与现有的点位和子点位水平方法相比,与单细胞RNA-seq数据显示出更好的一致性.
- 启用了新的见解,包括精确的细胞类型同位化和在单细胞水平上识别空间解析的细胞-细胞相互作用.
结论:
- STIE克服了基于点的空间转录组学的内在局限性,在整个幻灯片上提供单细胞分辨率.
- 该方法强调了整合形态和转录基因数据对于准确的细胞类型和分析的重要性.
- 由于缺乏单细胞分辨率,STIE提供了一种强大的工具,用于发现以前无法获得的生物见解.
