Nature Methods：构建人体组织详细图谱的新方法

　　

   

   

图像:健康肺的细胞术图像。左边的红色结构是气道;中间黄色圆形结构为粘膜下腺，绿色圆形小结构为血管。    

威尔康奈尔医学院的研究人员已经开发出一种计算方法，以前所未有的细节绘制人类组织的结构。他们的方法有望加速器官级细胞相互作用的研究，并可能为广泛的疾病提供强大的新诊断策略。

该方法源于科学家们对经典显微镜和现代单细胞分子分析之间的差距感到沮丧。“在显微镜下观察组织，你会看到一堆细胞在空间上聚集在一起——你几乎立刻就能在图像中看到这种组织，”该研究的主要作者Junbum Kim说，他是威尔康奈尔医学院生理学和生物物理学专业的研究生。他说:“现在，细胞生物学家已经有能力对单个细胞进行非常详细的检查，精确到每个细胞表达的基因，所以他们关注的是细胞，而不是组织结构。”

然而，“对研究人员来说，了解更多关于组织结构的细节是至关重要的;组织内细胞之间关系的根本变化驱动着健康和患病器官的功能，”高级作者Olivier Elemento博士说，他是英格兰精确医学研究所的主任。

不过，将单细胞数据与组织结构图手工结合起来既缓慢又繁琐。机器学习算法已经显示出了一些自动化过程的潜力，但它们受到用于训练它们的数据的限制。为了解决这个问题，Kim和他的同事们开发了一种无监督计算策略，使用单细胞基因表达谱和细胞位置的组合来定义组织内的结构区域。

共同资深作者André renderiro博士是Weill Cornell Medicine的博士后研究员，目前是奥地利维也纳奥地利科学院分子医学研究中心的首席研究员，他将这种新方法比作绘制纽约等城市的地图:“一种方法是去每一个路口，数每一种建筑:它是住宅，它是商业……它是商店还是餐馆?”把所有这些数据放入一个矩阵，把建筑物的位置放入另一个矩阵，然后就可以把两个矩阵结合起来，寻找模式。

“从本质上说，我们可以根据住宅和商业建筑的丰富程度，对不同社区的位置和边界做出大致的说明——就像任何在上东区、中城或市中心散步的人根据他们的观察所做的一样”。

研究人员使用新方法生成了几种类型组织的详细地图，识别和量化了微观解剖学的新方面——当细胞相互作用时在小尺度上出现的模式，并决定了组织的最终功能。他们还与北卡罗来纳大学教堂山分校(University of North Carolina at Chapel Hill)一位研究肺部疾病的同事合作，证明了他们的技术可以在组织中的不同疾病状态之间绘制出细微的差别。

虽然癌症和其他慢性疾病通常会导致组织结构发生重大变化，但详细的显微解剖也有助于诊断和治疗更严重的疾病。伦代罗指出，严重的COVID-19是一个例子，“有很多免疫细胞移动到周围，肺组织发生了非常显著的变化。”该团队现在正在将他们的新技术应用到广泛的组织中，以了解组织组织的变化是如何导致健康状态下的功能和疾病时的功能障碍的。