为什么要做空间转录组?
- 细胞类型鉴定完之后,可能会发现对照组和处理组的细胞类型差不多,但是表型却大同小异。同样类型的细胞,为什么在不同样本中的表现差异如此之大?基因表达不同的缘故吗?那又是什么因素导致相同类型的细胞基因表达差异如此之大?
- 通过降维聚类,特征相似的细胞聚集在一起。基因表达相似,便代表这一群细胞行驶的功能是一样的吗?既然特征相似,为什么细胞和细胞之间,在二维平面上的分布还是有一定距离?聚类之后的细胞分布,和细胞在组织上的真实分布有什么关系?
- 细胞的异质性是真实存在的,而在单细胞水平下是研究是以群(cluster)为最小单元,这样分析是否合理?以群为单位,是否会掩盖或忽略掉细胞之间的关键信息?
- 单细胞水平下分析得到的细胞分化发育轨迹,或细胞和细胞之间的通讯联系,在空间上是否真实分布在临近区域?不同细胞之间的联系,是直接,还是间接?或者反过来,单细胞水平下分析得到的功能相似的细胞群体,在组织中的分布,一定是在同一区域吗?
单细胞转录组(scRNA-seq)、空间转录组(ST)
- 通过单细胞细胞类型鉴定结果辅助判定空间转录组的细胞类型
- 通过空间转录组快速定位单细胞分析获得 marker 基因
- 对比不同分组空间结果,深入挖掘单细胞数据
空间转录组
相比单纯的单细胞转录组测序,空间转录组保留了组织中细胞的位置信息,利于分析不同区域的细胞构成,以及识别不同区域的差异基因。
但是技术受限,目前空间转录组很难达到单细胞水平,往往一个spot中包含了1-10个细胞,这就会导致每个spot严格来说是一个小的bulk测序,如果spot包含多个不同细胞类型的细胞,导致spot基因表达特征会丢失。
spots主要是以区域进行分类,细胞类型信息无法获得——空间转录组中需要单细胞转录组
单细胞转录组【降维和可视化是scRNA-seq数据分析的主要任务】可以精确的提供组织的细胞类型信息,这可以为判断空间转录组的细胞类型提供参照。目前很多算法出现(如MIA),可以根据单细胞提供的细胞类别信息,判断每个spot最可能的细胞类型。