在空间转录组学中精确检测细胞类型特定的域
Zhihan Ruan1, Weijun Zhou2, Hong Liu3
1Centre for Bioinformatics and Intelligent Medicine, College of Computer Science, Nankai University, Tianjin 300350, China.
Cell reports methods
|August 10, 2024
概括
在空间转录组学数据中,De-spot识别出低比例的细胞类型域. 这种方法揭示了以前隐藏的瘤微环境领域和乳腺癌中的细胞类型变化.
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.
- 癌症研究 癌症研究
背景情况:
- 细胞类型特定的域对于理解空间解析转录组 (SRT) 数据中的组织架构至关重要.
- 检测具有低比例细胞类型的域,特别是重叠或在其他域内的域,仍然是一个计算挑战.
研究的目的:
- 开发一种新的计算方法,De-spot,用于在SRT数据中检测低比例的细胞类型特定域.
- 为了直观地想象这些已识别的领域,并揭示它们的生物学意义.
主要方法:
- De-spot综合了细分和解卷技术,以创建一个整体方法.
- 它产生细胞类型模式并检测特定的域,包括具有较低细胞比例的域.
- 该方法提供了对已识别的域的直观可视化.
主要成果:
- De-spot成功地确定了与癌症相关的纤维细胞和免疫细胞之间的共同定位,这表明了潜在的瘤微环境 (TME) 领域.
- 这些TME领域以前被现有的计算方法所掩盖.
- 在SRT切片中,Srgn被确定为潜在的关键TME标记物.
- 对乳腺癌中T细胞特异性域的分析显示,与导管癌相比,侵入性癌症中耗尽的T细胞比例增加.
结论:
- 在SRT数据中,De-spot增强了细胞类型特定域的检测和可视化,特别是在比例较低的细胞类型中.
- 该方法有助于发现新的TME域和潜在的生物标志物.
- De-spot提供了与不同癌症亚型相关的细胞组成变化的见解,例如乳腺癌的进展.
