一种新的计算方法可以实现组织内单细胞数据的空间映射

德克萨斯大学MD安德森癌症中心的研究人员开发了一种新的计算方法，成功地结合了平行基因表达谱方法的数据，以单细胞分辨率创建给定组织的空间地图。由此产生的图谱可以为癌症微环境和许多其他组织类型提供独特的生物学见解。

　　

   

   

图片:Nicholas Navin博士

资料来源:MD Anderson癌症中心

由德克萨斯大学MD安德森癌症中心的研究人员开发的一种新的计算方法成功地结合了平行基因表达谱方法的数据，以单细胞分辨率创建给定组织的空间图。由此产生的图谱可以为癌症微环境和许多其他组织类型提供独特的生物学见解。

这项研究今天发表在《自然生物技术》杂志上，并将在即将召开的美国癌症研究协会(AACR) 2022年年会上发表(摘要2129)。

这种被称为CellTrek的工具使用了单细胞RNA测序(scRNA-seq)和空间转录组学(ST)分析的数据，后者测量了许多小细胞群体的空间基因表达，从而精确地确定了单个细胞类型在组织中的位置。研究人员展示了对肾脏、脑组织以及原位导管癌(DCIS)的分析结果。

“单细胞RNA测序提供了关于组织内细胞的大量信息，但最终，你想知道这些细胞分布在哪里，特别是在肿瘤样本中，”遗传学、生物信息学和计算生物学教授、资深作者Nicholas Navin博士说。“该工具允许我们以一种公正的方式回答这个问题，它改进了目前可用的空间制图技术。”

单细胞RNA测序是一种已经建立起来的分析样本中许多单个细胞基因表达的方法，但它不能提供细胞在组织中的位置信息。另一方面，ST检测可以通过分析组织中的许多小组细胞来测量空间基因表达，但不能提供单细胞分辨率。

目前的计算方法，即所谓的反褶积技术，可以从ST数据中识别出不同的细胞类型，但它们不能提供单细胞水平的详细信息，Navin解释说。

因此，共同第一作者魏文敏博士和Navin实验室的何思远领导了CellTrek的开发，将其作为一种结合scRNA-seq和ST分析的独特优势，并创建精确的组织样本空间图的工具。

利用公开可用的大脑和肾脏组织的scRNA-seq和ST数据，研究人员证明CellTrek实现了评估方法中最精确和详细的空间分辨率。CellTrek的方法还能够区分同一细胞类型中细微的基因表达差异，从而获得样本中它们异质性的信息。

研究人员还与病理学教授Savitri Krishnamurthy医学博士合作，将CellTrek应用于DCIS乳腺癌组织的研究。在对来自单个DCIS样本的6800个单细胞和1500个ST区域的分析中，该团队发现，不同的肿瘤细胞亚群在肿瘤的特定区域内以独特的模式进化。对第二个DCIS样本的分析表明CellTrek能够重建肿瘤组织内的空间肿瘤免疫微环境。

Navin说:“虽然这种方法并不局限于分析肿瘤组织，但在更好地理解癌症方面有明显的应用。”“病理学确实推动了癌症诊断，有了这个工具，我们能够在病理数据的基础上绘制分子数据，从而允许对肿瘤进行更深入的分类，并更好地指导治疗方法。”

文章标题

'Spatial charting of single-cell transcriptomes in tissues