2023-03-23
單(dan)(dan)細(xi)胞(bao)(bao)空(kong)間(jian)的(de)(de)分(fen)析(xi)技(ji)(ji)術(shu)無疑是目(mu)前科(ke)(ke)服較火熱的(de)(de)研究手段(duan)，時至今日已經形成(cheng)了(le)(le)(le)“百家爭鳴”的(de)(de)態勢。2016年(nian)(nian)，10Xgenomics率先(xian)(xian)推出(chu)商業(ye)化單(dan)(dan)細(xi)胞(bao)(bao)分(fen)析(xi)系(xi)(xi)統Chromium以來，激發了(le)(le)(le)單(dan)(dan)細(xi)胞(bao)(bao)市場(chang)的(de)(de)巨大(da)潛力，國(guo)(guo)內外各大(da)公(gong)(gong)司(si)也(ye)先(xian)(xian)后(hou)進(jin)入(ru)到了(le)(le)(le)單(dan)(dan)細(xi)胞(bao)(bao)領(ling)域以尋求突破，如Rhapsody系(xi)(xi)統，同一年(nian)(nian)人類細(xi)胞(bao)(bao)圖譜計劃啟動；2018年(nian)(nian)單(dan)(dan)細(xi)胞(bao)(bao)被Science評(ping)為十大(da)科(ke)(ke)學(xue)突破技(ji)(ji)術(shu)；2019年(nian)(nian)單(dan)(dan)細(xi)胞(bao)(bao)技(ji)(ji)術(shu)被Nature評(ping)為生命科(ke)(ke)學(xue)領(ling)域年(nian)(nian)度(du)技(ji)(ji)術(shu)，而同一年(nian)(nian)，口(kou)袋單(dan)(dan)細(xi)胞(bao)(bao)分(fen)析(xi)系(xi)(xi)統DNBelab C4也(ye)一起問世；此后(hou)，國(guo)(guo)內公(gong)(gong)司(si)紛(fen)紛(fen)加入(ru)了(le)(le)(le)這場(chang)“盛宴”，眾多公(gong)(gong)司(si)紛(fen)紛(fen)推出(chu)了(le)(le)(le)各自的(de)(de)單(dan)(dan)細(xi)胞(bao)(bao)平(ping)臺及分(fen)析(xi)系(xi)(xi)統，以尋求打破10X的(de)(de)壟斷(duan)。而與此同時，技(ji)(ji)術(shu)也(ye)在(zai)不斷(duan)推進(jin)，10Xgenomics在(zai)2019年(nian)(nian)率先(xian)(xian)推出(chu)了(le)(le)(le)空(kong)間(jian)平(ping)臺技(ji)(ji)術(shu)，引發了(le)(le)(le)另(ling)一個(ge)分(fen)析(xi)熱點。
目(mu)前(qian)而言，單細(xi)胞(bao)(bao)的(de)(de)市場已經得(de)到(dao)了很大程(cheng)度的(de)(de)釋(shi)放，但是(shi)空(kong)(kong)間(jian)轉(zhuan)(zhuan)錄(lu)組仍然(ran)是(shi)一(yi)片“處女地”，由(you)于空(kong)(kong)間(jian)轉(zhuan)(zhuan)錄(lu)組價格、認(ren)知(zhi)、技術(shu)特(te)點等一(yi)些限制(zhi)，目(mu)前(qian)仍需(xu)要更(geng)大的(de)(de)努(nu)力推動空(kong)(kong)間(jian)轉(zhuan)(zhuan)錄(lu)組的(de)(de)發(fa)展，其中最為(wei)關鍵的(de)(de)就是(shi)空(kong)(kong)間(jian)轉(zhuan)(zhuan)錄(lu)組的(de)(de)精度問題，許多空(kong)(kong)間(jian)轉(zhuan)(zhuan)錄(lu)組技術(shu)不具(ju)有單細(xi)胞(bao)(bao)分辨率，而是(shi)測量來自(zi)潛在異(yi)質細(xi)胞(bao)(bao)類型(xing)的(de)(de)細(xi)胞(bao)(bao)混(hun)合(he)物中每(mei)個(ge)點的(de)(de)平均基因表達(da)，即使空(kong)(kong)間(jian)技術(shu)達(da)到(dao)了亞細(xi)胞(bao)(bao)級精度，但是(shi)在空(kong)(kong)間(jian)注釋(shi)的(de)(de)時(shi)候還是(shi)需(xu)要將spot合(he)并形成(cheng)super spot進行下游分析，所以單細(xi)胞(bao)(bao)空(kong)(kong)間(jian)強(qiang)強(qiang)聯(lian)合(he)的(de)(de)交叉領域，成(cheng)為(wei)了研究的(de)(de)關鍵點。
單細胞空間聯合分析方法匯總 針(zhen)對單細胞空間(jian)聯合分(fen)析的問題，已經運用了諸多方(fang)法(fa)來解(jie)決，匯總如下: 上述都是針對單細胞空間聯合分析發表高分文章方法的匯總，當然還有很多其他的方法，例如STRIDE、CellDART、Tangram、DSTG等等，幾乎運用了可以運用到的所有相關算法，但是常用、文獻引用率較高的方法，主要集中在Seurat[1]、cell2location[2]這兩種，當然，其他方法也有適用的情況。 單細胞空間聯合分析的方法流派 關(guan)于用單(dan)細胞數據(ju)解析空間位置(zhi)的(de)細胞類(lei)型，主要(yao)分為(wei)兩大流派： 流派1：映射，分析的第一步是基于scRNA-seq數據建立細胞類型的表達特征。然后，映射的主要挑戰是將基于scRNA-seq的細胞類型是把空間數據分配到每個細胞上。其中典型的代表就是前面提到的Seurat[1]。 流派2：去卷(juan)積，去卷積有兩種主要方法：推斷一個特定spot的細胞亞型比例和對一個特定的空間轉錄組spot進行評分，以確定它與單個細胞亞型的對應程度。基于此來推斷空間每個spot的細胞比例。這種形式的去卷積的方法之一是采用基于統計回歸的模型，各種線性回歸模型已被應用于解卷bulk RNA-seq混合物。估計每個細胞類型在給定捕獲點中的確切比例的補充方法是通過貝葉斯統計框架，將概率分布與scRNA-seq數據的基因計數分布相適應。這個流派的經典方法就是cell2location[2]、Spotlight。 圖1 單細胞空間(jian)聯合(he)分析策略(lve) 單細胞空間聯合分析引用較多的方法—Seurat 因為Seurat[1]在單細胞運用中的巨大成功，所以Seurat自帶的單細胞空間聯合的分析方法也得到了研究者的青睞，其原理就是映射：以單細胞分辨率創建空間分辨率的細胞類型映射。首先第一步，依據單細胞注釋好的數據構建細胞類型的表達特征；其次，依據細胞類型的表達特征，計算細胞類型在每個空間位點的相似程度，如下圖： 圖2 單細胞空間尋找anchors 利用該方法，借助定義好的單細胞數據，通過FindTransferAnchors函數可以找到相關單細胞空間兩種數據之間的anchors，從而識別可能的細胞類型，Seurat在做單細胞和空間的聯合分析的時候用到了該方法。目前很多文獻就是采用此方法，例如發表在Cell的文章Spatiotemporal analysis of human intestinal development at single-cell resolution[3]，就是借助Seurat 的方法判斷腸道發育中細胞類型的位置，如下圖： 圖3 借助Seurat的方法預測空間數據的細胞類型 單細胞空間聯合分析高性能的方法—cell2location[2] 目前cell2location[2]由于其準確的性能得到越來越多的廣泛運用，Cell2location[2] 采用分層貝葉斯框架，假設基因表達計數遵循負二項分布。它首先使用外部 scRNAseq 數據作為參考來估計細胞類型特異性特征。觀察到的空間表達計數矩陣用負二項分布建模，其中基因可用的特定技術敏感性、基因和位置特定的加性偏移作為平均參數的一部分包括在內。然后cell2location[2] 使用變分貝葉斯推理來近似后驗分布并相應地產生參數估計 。分析示例如下： 圖4 cell2location預測細胞類型的空間分布 總 結 總而言之，在分析中沒有一種方法能夠在不同的組織類型中始終準確推斷。在研究中測試的大多數概率方法，尤其是RCTD、Cell2Location[2] 和 Stereoscope，在整個組織中都表現出始終如一的高性能。STdeconvolve 作為唯一的無參考方法，具有識別組織結構和細胞混合物的能力，但必須仔細處理細胞類型映射，Seurat、liger更適合處理大數據集。每種聯合分析的方法都有其適用的場景和優勢，因此，建議研究者首先確定評估的一些與自己的數據最匹配的情景，并在這些情景下選擇表現最佳的方法。 [1]Yuhan Hao et al.Integrated analysis of multimodal single-cell data.Cell.Volume 184, ISSUE 13, P3573-3587.E29 [2]Vitalii Kleshchevnikov, Artem Shmatko, et al.Cell2location maps fine-grained cell types in spatial transcriptomics.Nature Biotechnology volume 40, pages 661–671 (2022) [3]David Fawkner-Corbett ,Agne Antanaviciute ,et al.Spatiotemporal analysis of human intestinal development at single-cell resolution.Cell.Volume 184, ISSUE 3, P810-826.e23, February 04, 2021
