STIE:单细胞水平的解卷,卷卷和集群在现场基于捕获的空间转录学
Shijia Zhu1,2, Naoto Kubota3, Shidan Wang4
1Department of Laboratory Medicine and Pathology, University of Minnesota, Minneapolis, MN, USA. Zhu02@UMN.edu.
Nature communications
|August 30, 2024
概括
空间转录组学方法难以对单个细胞进行分析. 预期最大化算法STIE集成组织学图像来恢复缺失的细胞,实现空间基因表达分析的真正单细胞分辨率.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 基于现场捕获的空间转录组学方法使用固定大小的斑点,无法精确捕获随机位置的单个细胞.
- 这种限制本质上阻止了单细胞水平上的转录组分析.
研究的目的:
- 开发一种计算方法,使单细胞分辨率和整个幻灯片尺度分析能够用于空间转录学.
- 为了准确地将基因表达映射到组织样本中的单个细胞.
主要方法:
- 开发了STIE (空间转录学图像增强),一个预期最大化算法.
- STIE将空间转录组数据与基于核形态的组织学图像对齐.
- 该算法从约70%的斑点内空隙区域中恢复了缺失的细胞.
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级别解,卷积和聚类.
- 该方法与现有的点位和子点位水平方法相比,与真正的细胞类型特定的转录基因特征具有更高的一致性.
- STIE揭示了对实际点分辨率,细胞类型的同地化以及单细胞水平上的空间细胞-细胞相互作用的见解.
结论:
- STIE克服了空间转录学中固定大小斑点的局限性,使单细胞分辨率准确.
- 该算法为分析空间基因表达和细胞-细胞相互作用提供了一个强大的工具,其分辨率是前所未有的.
- STIE增强了对复杂生物系统中的组织结构和细胞异质性的理解.
