來(lái)源:生物世界 2023-06-21 15:44 該研究建立了一種單細(xì)胞/寡細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)從頭空間重構(gòu)算法——De Novo Coalescent Embedding(D-CE)。該研究利用細(xì)胞-細(xì)胞轉(zhuǎn)錄相關(guān)網(wǎng)絡(luò)的非線性嵌入方法,從頭重構(gòu)了單細(xì)胞轉(zhuǎn)錄 單細(xì)胞轉(zhuǎn)錄組技術(shù)(scRNA-seq)對(duì)單個(gè)細(xì)胞進(jìn)行轉(zhuǎn)錄組測(cè)序,可以更好地捕捉生物學(xué)樣本中細(xì)胞間的異質(zhì)性。但是,在制備單細(xì)胞測(cè)序樣本時(shí),需要進(jìn)行細(xì)胞解離,因此無(wú)法獲得單個(gè)細(xì)胞的空間位置信息。目前,研究人員主要使用空間轉(zhuǎn)錄組技術(shù)(Spatial transcriptomics)獲得轉(zhuǎn)錄組樣本的空間信息。但是,該技術(shù)在樣本和基因的檢測(cè)通量上仍然遠(yuǎn)低于scRNA-seq,并且應(yīng)用場(chǎng)景也受到較大限制。利用計(jì)算方法從scRNA-seq數(shù)據(jù)出發(fā)獲得具有空間分辨率的轉(zhuǎn)錄組數(shù)據(jù)可以大大彌補(bǔ)這種局限性,更經(jīng)濟(jì)地得到具有空間分辨率的轉(zhuǎn)錄組數(shù)據(jù),在生物學(xué)研究中同樣具有重要意義。 近日,北京大學(xué)定量生物學(xué)中心、北大-清華生命科學(xué)聯(lián)合中心韓敬東教授團(tuán)隊(duì)與清華大學(xué)腦與智能實(shí)驗(yàn)室Carlo Vittorio Cannistraci教授合作,在 Advanced Science 期刊上發(fā)表了題為:Spatial Reconstruction of Oligo and Single Cells by De Novo Coalescent Embedding of Transcriptomic Networks 的研究論文。 該研究建立了一種單細(xì)胞/寡細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)從頭空間重構(gòu)算法——De Novo Coalescent Embedding(D-CE)。該研究利用細(xì)胞-細(xì)胞轉(zhuǎn)錄相關(guān)網(wǎng)絡(luò)的非線性嵌入方法,從頭重構(gòu)了單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)在空間中的位置信息。基于這一空間重構(gòu)結(jié)果,他們成功實(shí)現(xiàn)了對(duì)應(yīng)于組織空間特異性基因和空間域的識(shí)別。 在該論文中,研究者利用細(xì)胞-細(xì)胞轉(zhuǎn)錄相關(guān)網(wǎng)絡(luò)的非線性嵌入方法,成功重構(gòu)了單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)在空間中的位置信息。重要的是,這一重構(gòu)過(guò)程不需要使用空間結(jié)構(gòu)模板或空間特征基因表達(dá)模式等先驗(yàn)信息,便實(shí)現(xiàn)了對(duì)轉(zhuǎn)錄組數(shù)據(jù)空間結(jié)構(gòu)的可靠重構(gòu)。 為了使得重構(gòu)出的空間結(jié)構(gòu)更符合目標(biāo)組織的真實(shí)形狀,研究者通過(guò)最優(yōu)傳輸理論設(shè)計(jì)了空間模板擬合步驟。該步驟可以根據(jù)目標(biāo)組織的空間形狀模板和模板上的空間特征基因表達(dá)信息,對(duì)D-CE重構(gòu)的結(jié)構(gòu)進(jìn)行優(yōu)化,從而獲得更貼合于目標(biāo)組織結(jié)構(gòu)的空間重構(gòu)結(jié)果。 圖1 D-CE 空間重構(gòu)算法概述 為了驗(yàn)證空間重構(gòu)方法的有效性,研究者使用來(lái)自人類(lèi)、小鼠、果蠅和斑馬魚(yú)等多個(gè)不同物種的組織轉(zhuǎn)錄組數(shù)據(jù),重構(gòu)了對(duì)應(yīng)組織的空間基因表達(dá)模式。同時(shí),他們以已知樣本空間域標(biāo)簽或?qū)?yīng)組織空間特征基因表達(dá)特征為金標(biāo)準(zhǔn),并設(shè)計(jì)了指標(biāo)來(lái)衡量空間重構(gòu)的性能。結(jié)果表明,D-CE算法在空間重構(gòu)上具有良好的效果,并且其性能優(yōu)于目前已知的從頭空間重構(gòu)算法(novoSpaRc和CSOmap)和轉(zhuǎn)錄組分析中常用的降維可視化方法。 圖2:空間重構(gòu)的評(píng)價(jià)參數(shù)和不同空間重構(gòu)方法比較 ![]() 圖3:D-CE識(shí)別的空間特征基因的表達(dá)模式實(shí)驗(yàn)驗(yàn)證 總體來(lái)說(shuō),在論文中,研究團(tuán)隊(duì)構(gòu)建了一種單細(xì)胞/寡細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)從頭空間重構(gòu)算法D-CE。該算法具有物種普適性和先驗(yàn)信息非依賴(lài)性等優(yōu)點(diǎn),擴(kuò)展了轉(zhuǎn)錄組空間重構(gòu)算法的應(yīng)用范圍,并且在應(yīng)用表現(xiàn)上優(yōu)于已知的空間重構(gòu)算法?;谶@一空間重構(gòu)方法,研究者識(shí)別出了多種組織空間結(jié)構(gòu)中以往未被發(fā)現(xiàn)的空間特征基因和空間調(diào)節(jié)因子,并通過(guò)實(shí)驗(yàn)證明了這些空間特征的有效性。 ![]() D-CE算法揭示了空間組織的中尺度設(shè)計(jì)原則,即局部網(wǎng)絡(luò)鄰域與空間域相關(guān)聯(lián)。這些相互連接的中尺度域及其相互作用對(duì)于寡細(xì)胞或單細(xì)胞空間模式的形成至關(guān)重要。該算法的通用性和準(zhǔn)確性使其成為基于寡細(xì)胞/單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行空間分析的有效工具。需要注意的是,D-CE算法是基于空間臨近的樣本存在轉(zhuǎn)錄組學(xué)相關(guān)性的假設(shè)而設(shè)計(jì)的。然而,在某些情況下,例如當(dāng)轉(zhuǎn)錄組不響應(yīng)局部環(huán)境、存在空間域形成、或者存在逃逸的癌癥細(xì)胞或高度流動(dòng)/穿梭的細(xì)胞等,這種假設(shè)可能不成立,導(dǎo)致其位置難以重建。因此,在這些情況下,空間結(jié)構(gòu)的捕捉將成為未來(lái)研究的一個(gè)重點(diǎn)問(wèn)題。 北京大學(xué)前沿交叉學(xué)科研究院、北大-清華生命科學(xué)聯(lián)合中心韓敬東教授和清華大學(xué)腦與智能實(shí)驗(yàn)室Carlo Vittorio Cannistraci教授為論文共同通訊作者,北京大學(xué)定量生物學(xué)中心2017級(jí)博士研究生趙宇軒和中國(guó)科學(xué)院上海營(yíng)養(yǎng)與健康研究所2017級(jí)博士研究生張世強(qiáng)為論文共同第一作者。該研究得到了中國(guó)科學(xué)技術(shù)部、中國(guó)國(guó)家自然科學(xué)基金(NSFC)和上海市科技重大專(zhuān)項(xiàng)資助。 |
|