《Nature Methods》新工具处理空间转录组数据

来自费城儿童医院(CHOP)的研究人员开发了一种新工具来帮助分析从空间转录组学技术(SRTs)收集的数据，该技术同时描述基因表达和空间…

　　

来自费城儿童医院(CHOP)的研究人员开发了一种新的工具来帮助分析从空间转录组学技术(SRTs)收集的数据，该技术可以同时描述组织中的基因表达和空间位置信息，以确定哪些组织层中的哪些细胞可能驱动各种疾病。

该研究结果发表在《Nature Methods》杂志上，使研究人员能够更好地识别和理解新的治疗靶点，以优化治疗策略。

SRTs是功能强大的工具，具有令人难以置信的多功能性。一些方法在组织的数千个位置上分析数万个基因，而另一些方法在单细胞水平上测量数百个基因。

然而，有了如此多的数据，确定哪些细胞表达哪些基因以及这些基因如何导致疾病可能具有挑战性。例如，在大脑中，研究人员很难区分在其复杂层的不同类型的细胞和神经元中哪些基因是活跃的。

“虽然SRTs产生的数据很重要，但就其本身而言，很难理解这些信息如何以一种有助于推动发现的方式转化的大局，”CHOP应用基因组学中心(CAG)主任，资深研究作者Hakon Hakonarson博士说。“这个工具有助于将数据聚类，以识别不同数据点和数据类型之间的关系，比目前任何其他方法都更好。”

为了解决这个问题，CHOP CAG的研究人员开发了一种名为spaVAE的新工具，旨在处理空间基因数据的独特挑战。

spaVAE采用先进的深度学习技术，旨在理解数据中的模式，特别是在组织的三维部分中不同数据点之间的关系。

在从各种SRTs收集数据后，spaVAE有助于简化复杂的数据，创建数据的可视化表示，结合来自不同实验的数据，预测未测量组织区域的基因活性，识别基因活性的差异，最重要的是，发现不同空间区域的基因差异。

此外，研究人员使spaVAE能够处理多种类型的数据，包括从多组学来源捕获的数据——基因组、蛋白质组、转录组、代谢组和表观基因组。

“利用我们从这项研究中学到的东西，我们希望这种方法可以用来从其他空间基因组技术中确定更有意义的数据，使我们能够研究细胞间的通信，并深入研究单细胞基因组学数据，”CHOP CAG实验室的前博士后田田博士说。

由费城儿童医院提供