空间转录组分辨率太低？朋友你该换个“显示器”了
单细胞转录组测序技术实现单个细胞水平上基因表达高通量和高分辨率的特性，使其在生物学研究领域盛极一时。美中不足的是单细胞测序样品制备过程会丢失细胞在组织中分布的空间信息。因此，我们需要结合空间转录组测序技术来补充这些丢失的空间信息。虽然市面上广泛使用的基于Seurat软件进行分析的结果可以重现细胞的空间分布，但与单细胞转录组测序不同，空间转录组测序数据分辨率很低，无法达到单细胞的水平。最近，新格元空间转录组分析流程引入了新的聚类工具BayesSpace，可以更高效地分析空间转录组数据，可视化结果空间层次更清晰，分辨率更高。
基于BayesSpace进行空间转录组分析的优点
1、空间聚类层次更清晰
聚类分群是进行单细胞数据分析的基础，后续的细胞类型注释、差异表达、拟时序、转录调控等分析都依赖于准确有效的分群。与正常的单细胞转录组分群相比，空间转录组数据的无监督聚类分群结果还包括尽量还原组织的空间特异性这一要求。市面上多数空间转录组分析还在使用基于寻找高变基因的方法来降维聚类，如利用Seurat软件通过高变基因吸引邻近细胞形成不同的簇，再对这些簇进行模块划分得到最后的细胞亚群。这些聚类方法在空间转录组的分群结果中表现出大量的噪音，且聚类之间的空间分隔不明显。
BayesSpace是一种基于完全贝叶斯统计模型的空间转录组分析软件[1]。它借助相邻点具有类似的转录组特征这一现象，利用空间信息平滑数据，通过空间先验知识鼓励邻近点聚集进行空间聚类。我们用BayesSpace代替Seurat测试后，其表现出的分群结果优于Seurat聚类分群的方法。在分群数量上，我们避免Seurat中调整分辨率这一需要人为主观性判断的步骤，允许设置预期的分群范围，在预期分数数量范围内调用BayesSpace计算的不同分群数量下的最大似然数，取其对数值自动计算并选择最佳的分群数量并进行后续的聚类可视化结果的输出。同时，我们也可以输出不同分群所对应最大似然数对数值的Elbow图，由客户自主选择分群的数量。2、更高分辨率
由于测序技术的特性，空间转录组数据仍存在较为严重的分辨率限制。空间转录组测序基于芯片上的每个spot输出基因表达数据，主流的10X Visium平台sopt直径为55μm，ST平台为110μm，这意味着同一个spot是包含多个细胞的。目前市场上通常使用解卷积的方法来推测每个spot所包含的细胞类型。解卷积算法利用单细胞转录组数据从每个spot中转录物的混合物中推测出每个细胞亚群的相对比例。但某些特定的细胞亚群间转录组表达谱非常相似，这导致解卷积方法经常无法准确预测spot中的细胞亚型，碰到这种“过于卷”的组织类型，还是存在分辨率过低的情况。为了解决这种“过于卷”的现象，BayesSpace利用空间转录组数据中的邻域结构来增加子点级别的分辨率，构建增强分辨率的模型。BayesSpace将每个spot拆分为若干个subspot，通过MCMC算法推断subspot的细胞类型，并保留空间位置信息，实现超分辨率的图像分析，以达到提高分辨率的目的。
我们继续对淋巴结数据进行测试。图3在基于Seurat的解卷积算法的结果中，细胞类型混杂的spot无法给予明确标识。而BayesSpace中subspot级别的分辨率结果更加清晰贴切地划分了每个spot中的细胞类型。可见，我们推出的基于BayesSpace进行分群和可视化的流程，可以在更高的分辨率下展示细胞的分布信息，帮助我们寻找低分辨率下遗漏的组织和细胞信息[2]。3、更高效
基于Seurat的空间转录组分析流程对单细胞转录组数据依赖程度很高。这导致必须将样本同时进行单细胞转录组测序，提高研究成本。而基于BayesSpace的分析流程可以利用Space Ranger上游分析中输出的组织切片信息，初步实现细胞空间分布信息的可视化重现。我们基于BayesSpace的分析流程允许客户将空间转录组数据分析流程和单细胞转录组数据分析流程平行开展，很大程度上提高实验进程。
参考文献
[1]Zhao, E., Stone, M.R., Ren, X. et al. “Spatial transcriptomics at subspot resolution with BayesSpace.” Nat Biotechnol 39, 1375–1384 (2021).
[2]Tavares-Ferreira, Diana et al. “Spatial transcriptomics of dorsal root ganglia identifies molecular signatures of human nociceptors.” Science translational medicine vol. 14,632 (2022): eabj8186.
[3]Thrane, Kim et al. “Spatially Resolved Transcriptomics Enables Dissection of Genetic Heterogeneity in Stage III Cutaneous Malignant Melanoma.” Cancer research vol. 78,20 (2018): 5970-5979.
- THE END -