在現代生物(wu)學研究中，空間(jian)(jian)(jian)轉(zhuan)錄(lu)組(zu)測(ce)序(xu)技(ji)術猶如一把神奇的(de)(de)(de)鑰匙，為我們(men)打開了深入探索(suo)細(xi)胞在組(zu)織內原(yuan)位(wei)(wei)基(ji)因表(biao)達奧(ao)秘的(de)(de)(de)大門。它突破了傳統轉(zhuan)錄(lu)組(zu)測(ce)序(xu)僅能提(ti)供(gong)(gong)基(ji)因表(biao)達豐(feng)度信(xin)息的(de)(de)(de)局限(xian)，解(jie)決了單細(xi)胞測(ce)序(xu)無法定位(wei)(wei)到(dao)空間(jian)(jian)(jian)原(yuan)位(wei)(wei)信(xin)息的(de)(de)(de)缺點，將基(ji)因表(biao)達數據(ju)與細(xi)胞的(de)(de)(de)空間(jian)(jian)(jian)位(wei)(wei)置信(xin)息緊密(mi)結合，為我們(men)揭(jie)示(shi)組(zu)織發育、疾(ji)病發生發展等(deng)復雜(za)生物(wu)學過程提(ti)供(gong)(gong)了前(qian)所(suo)未有的(de)(de)(de)視角。然而，面對空間(jian)(jian)(jian)轉(zhuan)錄(lu)組(zu)測(ce)序(xu)所(suo)產生的(de)(de)(de)海量而復雜(za)的(de)(de)(de)數據(ju)，許多研究者往往感到(dao)困惑，不知從何下(xia)手進行分(fen)(fen)析。對此別擔心(xin)，本文將為您介紹空間(jian)(jian)(jian)轉(zhuan)錄(lu)組(zu)測(ce)序(xu)數據(ju)一些常(chang)用的(de)(de)(de)分(fen)(fen)析方法，讓您打通(tong)空間(jian)(jian)(jian)轉(zhuan)錄(lu)組(zu)數據(ju)分(fen)(fen)析的(de)(de)(de)任(ren)督二脈。

空間轉錄(lu)組的高級分析：

圖1 空(kong)間轉錄組測(ce)序分(fen)析

1、空間轉錄組spot細胞類型或者區(qu)域注釋

空間轉錄組(zu) spot 注釋(shi)是空間轉錄組(zu)分析中的(de)一個(ge)關(guan)鍵步驟。在空間轉錄組(zu)技術中，組(zu)織(zhi)被(bei)劃分成(cheng)許多小的(de)區域（spots），這些 spots 包(bao)含了細(xi)(xi)胞(bao)和(he)基因(yin)表達信息(xi)。對 spots 進行(xing)注釋(shi)就是要(yao)確(que)定(ding)每(mei)個(ge) spot 的(de)細(xi)(xi)胞(bao)類型、細(xi)(xi)胞(bao)狀態或者所屬的(de)組(zu)織(zhi)區域等信息(xi)，這對于理解組(zu)織(zhi)的(de)空間結構(gou)和(he)細(xi)(xi)胞(bao)功(gong)能是非常重要(yao)的(de)。

1.1、基(ji)于單細胞數據進行(xing)空轉spot注(zhu)釋(shi)

由于當前(qian)空間轉(zhuan)錄(lu)組學方(fang)法尚無法在(zai)組織中(zhong)生成深層單細(xi)(xi)胞(bao)分辨率的(de)(de)(de)轉(zhuan)錄(lu)組圖(tu)(tu)譜(pu)，因而(er)整合單細(xi)(xi)胞(bao)與(yu)空間轉(zhuan)錄(lu)組數(shu)據展開分析就顯得尤為(wei)關(guan)鍵(jian)，其將有力(li)促進對細(xi)(xi)胞(bao)類型分布結構以(yi)及形成該(gai)結構的(de)(de)(de)細(xi)(xi)胞(bao)間通訊(xun)潛(qian)在(zai)機制的(de)(de)(de)深入理(li)解。整合scRNA-seq和空間轉(zhuan)錄(lu)組數(shu)據有兩(liang)種主要方(fang)法：去(qu)卷積(ji)（Deconvolution）和映(ying)射（Mapping）。去(qu)卷積(ji)旨在(zai)根(gen)據單細(xi)(xi)胞(bao)數(shu)據，從(cong)每個(ge)捕(bu)獲點的(de)(de)(de)mRNA轉(zhuan)錄(lu)物(wu)的(de)(de)(de)混合物(wu)中(zhong)分離出(chu)離散的(de)(de)(de)細(xi)(xi)胞(bao)亞群(qun)；映(ying)射有兩(liang)方(fang)面：將指定(ding)(ding)的(de)(de)(de)基于scRNA的(de)(de)(de)細(xi)(xi)胞(bao)亞型定(ding)(ding)位到(dao)(dao)高倍RNA成像(HPRI)圖(tu)(tu)譜(pu)上的(de)(de)(de)每個(ge)細(xi)(xi)胞(bao)和將每個(ge)scRNA-seq細(xi)(xi)胞(bao)定(ding)(ding)位到(dao)(dao)組織的(de)(de)(de)特定(ding)(ding)生態位或區域。

圖2 SPOTlight注釋空轉[1]

1.2、基于已知標記基因的打分分析

首(shou)先需要利用已有的(de)(de)生物學知識，確定不同細胞(bao)類(lei)型(xing)或組織區(qu)域的(de)(de)標(biao)(biao)記基(ji)因(yin)，然后使(shi)用標(biao)(biao)記基(ji)因(yin)的(de)(de)基(ji)因(yin)集對空轉spot聚類(lei)分(fen)群得(de)到的(de)(de)cluster進(jin)行打分(fen)確定各個cluster的(de)(de)優勢細胞(bao)類(lei)型(xing)。

圖3 空(kong)轉(zhuan)cluster進行marker基因(yin)集打分分析[2]

1.3、基于(yu)形態學(xue)或病理學(xue)知識對空間(jian)區域注釋

在空間(jian)轉(zhuan)錄組研(yan)究(jiu)中(zhong)，基于形態(tai)學(xue)(xue)(xue)與病(bing)理學(xue)(xue)(xue)領域(yu)(yu)的專業知識開展(zhan)空間(jian)區域(yu)(yu)注釋是(shi)一種行之有(you)(you)效的策略。通(tong)常(chang)，憑借病(bing)理學(xue)(xue)(xue)家豐富的經驗(yan)以(yi)及對不(bu)同(tong)組織(zhi)部位(wei)形態(tai)學(xue)(xue)(xue)特(te)征的精(jing)準認知，能夠為空間(jian)轉(zhuan)錄組數據賦予具有(you)(you)生物學(xue)(xue)(xue)意義的形態(tai)學(xue)(xue)(xue)注釋信息(xi)。可精(jing)準定位(wei)細胞與組織(zhi)區域(yu)(yu)分(fen)布(bu)、揭示(shi)疾病(bing)空間(jian)異(yi)質性、助力(li)細胞間(jian)相互作(zuo)用研(yan)究(jiu)、挖掘(jue)生物標志物并確定診斷靶點，從而(er)推動組織(zhi)架構、疾病(bing)機制等(deng)多方面研(yan)究(jiu)進展(zhan)。

圖4 空間形態學(xue)或病理學(xue)注(zhu)釋(shi)[3]

2、 空間細胞密(mi)度分析(xi)

在組(zu)(zu)織(zhi)樣本的(de)(de)(de)(de)微(wei)觀世界里，其(qi)結(jie)構呈現高(gao)度(du)的(de)(de)(de)(de)組(zu)(zu)織(zhi)性(xing)(xing)與(yu)有(you)序性(xing)(xing)。各(ge)類細(xi)胞類型(xing)依(yi)據特定的(de)(de)(de)(de)生(sheng)物學(xue)規律，定位于(yu)相應的(de)(de)(de)(de)組(zu)(zu)織(zhi)微(wei)環境(jing)中，而非呈隨機分(fen)布態勢。細(xi)胞類型(xing)在空(kong)(kong)(kong)間維度(du)上的(de)(de)(de)(de)分(fen)布密度(du)，實則為(wei)組(zu)(zu)織(zhi)形(xing)態學(xue)有(you)序性(xing)(xing)的(de)(de)(de)(de)一(yi)種直觀量化(hua)表(biao)征。于(yu)疾(ji)病(bing)發生(sheng)發展(zhan)進程中，細(xi)胞空(kong)(kong)(kong)間位置的(de)(de)(de)(de)特異(yi)性(xing)(xing)改變，深(shen)刻反映(ying)了外(wai)界致病(bing)因素對組(zu)(zu)織(zhi)內穩態的(de)(de)(de)(de)顯(xian)著擾動與(yu)重塑作(zuo)用(yong)，這種細(xi)胞空(kong)(kong)(kong)間分(fen)布格局的(de)(de)(de)(de)變化(hua)往往與(yu)疾(ji)病(bing)的(de)(de)(de)(de)病(bing)理生(sheng)理機制(zhi)緊(jin)密關(guan)聯，成為(wei)深(shen)入探(tan)究疾(ji)病(bing)機制(zhi)的(de)(de)(de)(de)關(guan)鍵(jian)切入點之(zhi)一(yi)。

圖5 空(kong)間細胞密度分析[4]

3、空間細胞通訊

相較于(yu)單細(xi)(xi)胞(bao)轉(zhuan)錄(lu)(lu)組(zu)(zu)的(de)細(xi)(xi)胞(bao)間(jian)通(tong)(tong)(tong)訊分(fen)析，基于(yu)空間(jian)轉(zhuan)錄(lu)(lu)組(zu)(zu)的(de) spot 分(fen)析具(ju)備(bei)獨特優勢(shi)。在(zai)單細(xi)(xi)胞(bao)轉(zhuan)錄(lu)(lu)組(zu)(zu)的(de)細(xi)(xi)胞(bao)通(tong)(tong)(tong)訊研究基礎上，空間(jian)轉(zhuan)錄(lu)(lu)組(zu)(zu)的(de)細(xi)(xi)胞(bao)通(tong)(tong)(tong)訊研究不僅能夠達成對細(xi)(xi)胞(bao)通(tong)(tong)(tong)訊的(de)全面剖析，還能充分(fen)利用空間(jian)轉(zhuan)錄(lu)(lu)組(zu)(zu)所(suo)蘊(yun)含的(de)位置(zhi)信(xin)息。結合(he)組(zu)(zu)織(zhi)學(xue)信(xin)息，其在(zai)病(bing)理(li)學(xue)觀察(cha)方面極具(ju)價值，可(ke)使細(xi)(xi)胞(bao)間(jian)通(tong)(tong)(tong)訊分(fen)析的(de)效(xiao)能得(de)以(yi)充分(fen)彰顯(xian)。

眾多研(yan)究表明，細胞(bao)之間具有(you)生物學(xue)意(yi)義的(de)有(you)效通訊(xun)往(wang)往(wang)局限于其周(zhou)邊(bian)約 200 微米的(de)范圍(wei)之內，這(zhe)種空間臨近性的(de)通訊(xun)模式更精準(zhun)地反映了真實的(de)細胞(bao)間相(xiang)(xiang)互(hu)作用狀(zhuang)態，對于深入(ru)理解組織微環境內細胞(bao)的(de)協同運作機(ji)制以(yi)及(ji)相(xiang)(xiang)關生理病理過(guo)程具有(you)極為關鍵的(de)意(yi)義。

圖(tu)6 空間(jian)通訊[5]

4、空(kong)間生(sheng)態位

組織作(zuo)(zuo)為一(yi)個嚴(yan)密的(de)組織，細(xi)(xi)胞(bao)(bao)(bao)類(lei)型之間(jian)有著密切(qie)的(de)相(xiang)互作(zuo)(zuo)用，在空間(jian)上的(de)體現就是細(xi)(xi)胞(bao)(bao)(bao)類(lei)型的(de)共定位(wei)關系，空間(jian)上經常出現在同一(yi)位(wei)置的(de)細(xi)(xi)胞(bao)(bao)(bao)類(lei)型，會組成一(yi)個小的(de)“unit”，行駛(shi)著特殊(shu)的(de)生(sheng)物(wu)學功能。

空間(jian)(jian)(jian)生(sheng)態(tai)(tai)位并非指(zhi)(zhi)代(dai)某一特定的(de)細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)類(lei)(lei)型(xing)，而是(shi)聚焦于細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)在(zai)(zai)組織內部的(de)空間(jian)(jian)(jian)分(fen)(fen)布格局特征。無論是(shi)從分(fen)(fen)子層面(mian)還是(shi)細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)層面(mian)所進行的(de)聚類(lei)(lei)分(fen)(fen)析(xi)結果，均指(zhi)(zhi)向對(dui)空間(jian)(jian)(jian)生(sheng)態(tai)(tai)位的(de)界定與(yu)描(miao)述。組織內的(de)細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)分(fen)(fen)布呈現出高度(du)的(de)有(you)(you)(you)序(xu)性，細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)間(jian)(jian)(jian)的(de)空間(jian)(jian)(jian)位置關(guan)(guan)系(xi)能夠精準(zhun)地(di)映(ying)射(she)出細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)類(lei)(lei)型(xing)相(xiang)互(hu)作用(yong)的(de)頻率與(yu)強度(du)。借助對(dui)空間(jian)(jian)(jian)生(sheng)態(tai)(tai)位中細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)類(lei)(lei)型(xing)的(de)深入(ru)剖析(xi)，可(ke)以系(xi)統(tong)地(di)解析(xi)細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)共定位現象及其相(xiang)互(hu)依(yi)賴(lai)的(de)程度(du)與(yu)機制。不同(tong)的(de)空間(jian)(jian)(jian)生(sheng)態(tai)(tai)位具(ju)(ju)有(you)(you)(you)其獨特的(de)細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)類(lei)(lei)型(xing)構成，而相(xiang)似的(de)細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)類(lei)(lei)型(xing)組合則暗(an)示著共通的(de)細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)結構特征。通過(guo)對(dui)不同(tong)條(tiao)件下樣本間(jian)(jian)(jian)細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)結構的(de)比較分(fen)(fen)析(xi)，能夠有(you)(you)(you)效地(di)甄別出由(you)疾(ji)病引發的(de)組織結構變異與(yu)重塑過(guo)程。此外，空間(jian)(jian)(jian)生(sheng)態(tai)(tai)位的(de)分(fen)(fen)析(xi)還深入(ru)涵蓋了細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)類(lei)(lei)型(xing)之間(jian)(jian)(jian)在(zai)(zai)空間(jian)(jian)(jian)層面(mian)的(de)相(xiang)互(hu)依(yi)存(cun)關(guan)(guan)系(xi)，例如巨噬細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)與(yu)腫瘤細(xi)(xi)(xi)胞(bao)(bao)(bao)(bao)之間(jian)(jian)(jian)的(de)交互(hu)作用(yong)，這種相(xiang)互(hu)依(yi)賴(lai)關(guan)(guan)系(xi)構成了組織有(you)(you)(you)序(xu)性的(de)核(he)心要素之一，并且在(zai)(zai)疾(ji)病的(de)治(zhi)療策略開發與(yu)優化過(guo)程中具(ju)(ju)有(you)(you)(you)極(ji)為關(guan)(guan)鍵的(de)指(zhi)(zhi)導意義與(yu)潛(qian)在(zai)(zai)應(ying)用(yong)價(jia)值。

圖7空間(jian)生態位分析[6]

5、空間軌跡分析(xi)

對于單細(xi)(xi)胞而言(yan)，軌跡分析反映(ying)了(le)細(xi)(xi)胞類(lei)型(xing)之間的(de)(de)分化(hua)關系(xi)，但是對于空間轉錄(lu)組而言(yan)，軌跡代表了(le)隨(sui)著(zhu)組織(zhi)部位的(de)(de)變(bian)化(hua)，細(xi)(xi)胞類(lei)型(xing)發生的(de)(de)變(bian)化(hua)，體現了(le)組織(zhi)細(xi)(xi)胞類(lei)型(xing)的(de)(de)親疏遠近關系(xi)。通過剖(pou)析細(xi)(xi)胞的(de)(de)基因表達模式(shi)以及其(qi)所處的(de)(de)精確空間位置信息，有助(zhu)于推斷細(xi)(xi)胞在發育、分化(hua)、疾病進展(zhan)等過程中的(de)(de)連續軌跡。

在組織發育研(yan)究里，能夠(gou)清晰地呈現細胞(bao)從原始的(de)多能狀態逐步分(fen)化為各類(lei)成(cheng)熟細胞(bao)類(lei)型時的(de)遷移路徑與基因表達演(yan)變，有(you)助(zhu)于揭示器(qi)官形成(cheng)的(de)奧秘(mi)。

在疾(ji)病研究方面，尤其是腫(zhong)瘤學領域，空間軌(gui)(gui)跡(ji)分析可(ke)詳(xiang)細(xi)描繪腫(zhong)瘤細(xi)胞的(de)起(qi)源、增殖、侵襲(xi)和轉移軌(gui)(gui)跡(ji)，使我們深入洞察腫(zhong)瘤的(de)發(fa)生發(fa)展機制，為精準診(zhen)斷(duan)和靶向治(zhi)療提供關(guan)鍵(jian)依據。

圖8 空間軌跡分析[7]

6、空間CNV分析(xi)

CNV分析對(dui)于單細(xi)胞和空間而言(yan)都是重(zhong)要的分析內(nei)容(rong)，我(wo)們不僅要知道CNV發生的事件，也(ye)要知道CNV發生的空間位置，尤(you)其對(dui)于CNV事件的積(ji)累(lei)過程是怎樣的。

空間(jian) CNV 分析聚焦于拷貝數(shu)變異（CNA）在空間(jian)層面的(de)特征與(yu)(yu)意義。CNA 作為惡(e)性(xing)(xing)細胞的(de)關鍵標(biao)志，像癌基因局灶性(xing)(xing)擴增或腫瘤抑(yi)制因子(zi)丟失，會促使治療耐藥與(yu)(yu)腫瘤復發(fa)。通(tong)過(guo)明確特定區域的(de) CNV 特征，可以(yi)更(geng)好地理解腫瘤細胞在空間(jian)上的(de)增殖、遷移和侵(qin)襲模(mo)式(shi)，以(yi)及(ji)與(yu)(yu)周(zhou)圍微環境的(de)相互(hu)作用關系(xi)。

圖9 空間(jian)CNV分析[8]

總(zong) 結

怎(zen)么樣？讀完此(ci)(ci)文，是(shi)(shi)否對(dui)空(kong)間(jian)轉錄組分析(xi)有了(le)全新的(de)感悟與(yu)(yu)思考(kao)？是(shi)(shi)否已然按(an)捺不(bu)住內心的(de)沖動(dong)，想(xiang)要即刻投身于(yu)數據的(de)探索之中？既然如此(ci)(ci)，切莫再猶豫徘徊，趕快踏(ta)上(shang)這充滿驚喜與(yu)(yu)發現的(de)快樂分析(xi)之旅，讓數據在您(nin)的(de)智慧與(yu)(yu)巧手(shou)下，展現出其蘊含(han)的(de)無限(xian)奧秘與(yu)(yu)價值，在空(kong)間(jian)轉錄組的(de)科(ke)(ke)研(yan)海(hai)洋(yang)里乘風破浪，收(shou)獲屬于(yu)您(nin)的(de)科(ke)(ke)研(yan)碩果。

參考文獻：

[1]SPOTlight: seeded NMF regression to deconvolute spatial transcriptomics spots with single-cell transcriptomes. Nucleic Acids Res.doi: 10.1093/nar/gkab043.

[2] Spatial transcriptomics reveals a low extent of transcriptionally active hepatitis B virus integration in patients with HBsAg loss. Gut. doi: 10.1136/gutjnl-2023-330577.

[3]SpaGCN: Integrating gene expression, spatial location and histology to identify spatial domains and spatially variable genes by graph convolutional network. Nat Methods. doi: 10.1038/s41592-021-01255-8.

[4]Spatially-resolved transcriptomics analyses of invasive fronts in solid tumors.doi: //doi.org/10.1101/2021.10.21.465135.

[5]CellChat for systematic analysis of cell-cell communication from single-cell and spatially resolved transcriptomics. doi: //doi.org/10.1101/2023.11.05.565674.

[6]Identification of HSC/MPP expansion units in fetal liver by single-cell spatiotemporal transcriptomics.doi: 10.1038/s41422-021-00540-7.

[7]Robust mapping of spatiotemporal trajectories and cell-cell interactions in healthy and diseased tissues. Nat Commun. doi: 10.1038/s41467-023-43120-6.

[8]Spatiotemporal heterogeneity of glioblastoma is dictated by microenvironmental interference.