haCCA:基于点的空间转录组和代谢组的多模块集成
Jing Xu1,2,3, Xiao-Tian Shen1,4, Chen Zhang1,4
1Department of General Surgery, Huashan Hospital, Fudan University, Shanghai, China.
Communications biology
|January 16, 2026
概括
我们开发了haCCA,这是一个新的工作流程,集成了空间转录组学和MALDI-MSI数据,用于同时对mRNA和代谢物进行空间分析. 这种方法提高了整合的准确性,并使我们能够对组织层面的生物过程有新的见解.
科学领域:
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
- 空间奥米克斯 空间奥米克斯
背景情况:
- 空间转录组学和MALDI-MSI分别为mRNA和代谢物提供高分辨率的空间数据.
- 整合这些数据集是具有挑战性的,因为不同的坐标系和特征空间.
- 现有的方法缺乏可靠的方法,用于准确的跨平台空间数据集成.
研究的目的:
- 介绍haCCA,用于整合空间转录组学和代谢组学数据的工作流.
- 为了使mRNA和来自相邻组织部分的代谢物同时进行空间分析.
- 为了提高空间奥米克数据集成的准确性.
主要方法:
- haCCA使用修改的空间登记技术.
- 规范相关性分析 (CCA) 用于构建一个共享的潜空间.
- 高相关性特征对在数据集之间转移以进行整合.
主要成果:
- 与现有方法相比,haCCA在模拟和真实数据上的整合准确度有所提高.
- 该工作流成功实现了mRNA和代谢物的同时空间分析.
- 对Akt/Yap驱动的Padi4-/-ICC模型的应用揭示了中性粒细胞外细胞陷 (NET) 的空间分布和代谢效应.
结论:
- haCCA为整合空间转录组学和代谢组学数据提供了有效的解决方案.
- 工作流程促进了空间代谢变化的 in situ 和 in vivo 探索.
- 有一个Python包可用于提高haCCA工作流的可访问性和可用性.
