Nature Methods：新工具实现单细胞分辨率的空间转录组分析

　　

空间转录组学是一种前沿技术，能够对心脏、皮肤或肝脏等组织切片中的基因表达进行表征。通过这些信息，研究人员可以深入了解空间结构如何影响细胞功能。到目前为止，开展空间转录组学研究的研究人员不得不在两个选项之间做出选择：全基因组覆盖度或单细胞分辨率。

为了解决这一问题，圣裘德儿童研究医院和威斯康星大学麦迪逊分校的科学家们开发出一种计算工具，利用生成式人工智能（AI）来提高基于测序的空间转录组学的分辨率，同时而不牺牲基因覆盖范围。这种算法于3月12日发表在《Nature Methods》杂志上。

共同通讯作者、圣裘德儿童研究医院计算生物学系临时主任Jiyang Yu博士表示：“我们开发出首个能够在单细胞水平上预测全转录组空间基因表达的生成式算法。”

“这种生成式建模方法的关键在于借助单细胞RNA测序图谱和组织学成像数据，在空间RNA测序中实现了全转录组覆盖和单细胞分辨率。”

研究人员展示了一种名为Spotiphy（Spot imager with pseudo single-cell resolution histology）的计算工具，显著改进了传统的空间转录组学技术。

传统技术通过查看网格上预定义的“点”来捕捉基因表达。这些“点”本质上是构成整张组织切片上最终基因表达图像的像素。每个“点”通常包含多个异质性的细胞，因此很难将它们分类并作为单细胞分析。

Spotiphy利用机器学习来推断细胞类型比例和基因表达数据，以填补“点”之间的空间。该程序之所以知道用什么来填补这些空白，是因为它在大量的空间转录组学数据库和组织学图像上进行了训练。

“想象一张手的图片，但中间部分缺失了，”共同通讯作者、圣裘德儿童研究医院结构生物学系的Junmin Peng博士解释说。“算法通过训练获得了基本规则，可以推断出图片缺失的部分——比如说重建手掌的位置和样子，或者说在现实中，重建成像点之间的空间。”

Peng博士的研究方向是神经生物学。他解释了单细胞空间转录组学如何为更好地了解神经退行性疾病（包括阿尔茨海默病）提供机会，尤其是异常细胞及其基因表达。然而，“之前的阿尔茨海默病空间转录组学数据并不是真正的单细胞数据，” Peng博士说。

“现有方法的输出分辨率较低，往往将多个细胞聚集到一个点中。我们利用Spotiphy将相邻切片的RNA分析和成像数据一对一地合并，真正达到了基因覆盖度高的单细胞分辨率。”

将Spotiphy应用于阿尔茨海默病小鼠模型时，研究人员确认了之前的研究结果，验证了这种工具能够准确地确定细胞位置和基因表达模式。这一结果增加了人们对这项技术的信心。

此外，研究人员还在新的实验中使用了Spotiphy，发现星形胶质细胞亚群与特定脑区相关。他们还发现，与疾病相关的小胶质细胞更多地存在于受阿尔茨海默病影响的大脑中，支持了以往研究的发现，即小胶质细胞功能障碍可能与该疾病有关。

“这一算法真正的强大之处在于，它能够区分同一细胞类型中的细微差别，而这些差别是以往技术无法检测到的，”Yu博士说。“例如，鉴定位于大脑特定区域的星形胶质细胞亚群。”

研究成果不仅限于神经生物学。科学家们还展示了Spotiphy可用于分析其他组织，包括癌症样本。这种工具成功确定了不同的空间结构域以及肿瘤与肿瘤微环境相互作用的变化。

“我们看到数据反映了已知的乳腺癌异质性。”共同第一作者、圣裘德儿童研究医院计算生物学系的Jiyuan Yang博士谈道。“我们还投入大量精力生成了小鼠大脑的匹配数据集，我们相信这将成为空间组学社群的宝贵资源。”

“我们开发出一个工具，可以解析任何给定组织的单细胞空间转录组学。”Yu博士说，“换句话说，Spotiphy让科学家观察到他们以前看不到的东西。”

现在，Spotiphy可在https://github.com/jyyulab/Spotiphy上免费获取。