时空组学的多样路径：组织病理预测、原位识别、测序 | 时空简讯第5期
时空简讯第5期。
脑
Brain
综述 | 肠促胰岛素调节代谢和能量平衡的中枢机制：迷走神经背侧复合体中GLP-1和GIP受体的表达
Diabetes [IF: 9.461]
① 后脑的迷走神经背侧复合体(dorsal vagal complex, DVC)由尾区、孤束核和迷走背运动核组成，对饱足感的调节起着关键作用；肠促胰高血糖素样肽1 (GLP-1)和葡萄糖依赖的促胰岛素多肽(GIP)直接在大脑中作用，调节喂养，两者的受体在DVC中表达；
② 了解肠促胰岛素改变代谢和能量平衡的中枢机制至关重要，本文综述最近用于检测DVC中GLP-1和GIP受体表达细胞的单细胞分子标记方法，已证实GLP1R在谷氨酸能神经元中表达，GIPR在AP（area postrema）的GABA能神经元中表达；
③ 并综述和讨论了如何将新兴的单细胞转录组学、空间转录组学、表观遗传学和回路绘制（circuit mapping）技术用于表征后脑肠促胰岛素受体回路；
④ 由于单细胞核转录组（snRNA-Seq）对冷冻组织的适用性，且细胞核在全细胞分离时受到的影响较小，推荐snRNA-Seq作为后脑单细胞研究的首选方案；
⑤ 已通过scATAC-Seq技术，从可接近的染色质位点丰富的转录因子结合位点中，鉴定出参与建立和维持胰岛素受体细胞特性的潜在转录因子。（刘卓雅）
DVC snRNAseq示意和单细胞转录组概貌
Single-Cell Mapping of GLP-1 and GIP Receptor Expression in the Dorsal Vagal Complex.
2021.06.27, DOI: 10.2337/dbi21-0003.
综述，脑，迷走神经背侧复合体，GLP-1，GIP，受体，空间转录组，单细胞转录组, Mette Q. Ludwig, Tune H. Pers, University of Copenhagen, Denmark
胶质母细胞瘤侵袭的代谢和转录特征
Acta Neuropathologica Communication [IF: 7.801]
① 胶质母细胞瘤（GBM，WHO IV 级）是成人中最常见的恶性原发性脑肿瘤，目前依然缺少对此类病患的治疗手段；
② 研究使用原位小鼠胶质瘤模型，组织处理和免疫组化方法，结合小鼠原位异种移植体内HMRS（1H Magnetic Resonance spectroscopy）技术，通过PDOX （Patient derived orthotopic xenograft，患者源性原位异种移植物）、患者GBM进行RNAseq，最后进行数据分析；
③ 对来自入侵小鼠大脑的表达特征的详细分析，揭示了免疫反应的入侵依赖性诱导程度，概括了在胶质母细胞瘤中观察到的各自特征；
④ 整合高侵袭性 PDOX （Patient derived orthotopic xenograft）的代谢谱和基因表达，提供了对细胞外基质重塑的进展和侵袭相关机制的见解，可能有助于揭示肿瘤-宿主相互作用的潜在生物学过程，能够对生物相互作用提供新的见解，同时区分源自人类肿瘤和入侵小鼠大脑的贡献。（ZXY）
表 研究患者、样本和RNA-seq信息
Metabolic and transcriptomic profiles of glioblastoma invasion revealed by comparisons between patients and corresponding orthotopic xenografts in mice.
2021.08.04, DOI: 10.1186/s40478-021-01232-4.
研究文章，胶质母细胞瘤，侵袭，转录组，肿瘤-宿主相互作用， Cristina Cudalbu, Pierre Bady, Andreas F. Hottinger, Monika E. Hegi, CIBM Center for Biomedical Imaging, Swiss Institute of Bioinformatics, University of Lausanne, Switzerland
肺
Lung
Lung Cancer综述：空间组学技术战肺癌
Lung Cancer [IF: 5.705]
① 肺癌作为全球和全美最高的死亡原因之一，其中的非小细胞肺癌（NSCLC）占比达到76%; NSCLC的免疫疗法——免疫检查点抑制剂（immune checkpoint inhibitors，ICIs）,仅能够对部分病人起效，肺癌的治疗失败和耐药性的出现都表明肺癌组织细胞表现出广泛的肿瘤组织内部和肿瘤组织间的异质性；因此，需要在治疗前识别有效病人，尤其是识别其肿瘤微环境（Tumour microenvironment，TME）情况；综述介绍了目前各种空间组学技术（基因组/转录组/蛋白质组）及其在研究NSCLC的应用前景；
② MERFISH技术（Multiplexed error-robust fluorescence in situ hybridization，原位容错多重杂交荧光分析）可在单细胞水平对单个RNA分子进行成像，高度多重化的单分子FISH可以实现单细胞空间分辨的基因表达图谱分析，同时确定RNA分子的拷贝数和空间位置，目前通量限于1001个mRNA；
③ 10x Visium已进行相当数量的临床应用研究，但是其在肺癌组织中进行应用时分辨率仍然不足，单个Barcode区域内通常含有多个细胞；
④ Nanostring的GeoMxTM Digital Spatial Profiler（DSP）可以选择性的捕获RNA或者蛋白质，分辨率可以达到目标组织内的数个细胞；DSP将样本与寡核苷酸标签和可视化标记物连接后，通过紫外线照射（UV exposure）的方法得到目标区域内的寡核苷酸标签，得到目标分析物的丰度信息；
⑤ 另有Ultivue InSituPlex、CODEX、Imaging Mass Cytometry (IMC)、Hyperion、MIBIScope等技术可以实现对于蛋白质/多肽的空间定位分析。
表 空间组学技术特征概览
The Pandora’s box of novel technologies that may revolutionize lung cancer.
2021-07-19, DOI: https://doi.org/10.1016/j.lungcan.2021.06.022
综述，肺癌，非小细胞肺癌（NSCLC），空间组学，转录组，蛋白组，单细胞，临床，Habib Sadeghi Rad, Arutha Kulasinghe, Queensland University of Technology, Translational Research Institute, Australia
肝脏
Liver
scRNA-seq和MERFISH空间转录组：胎儿肝造血干细胞生态位结构
Cell discovery [IF: 10.849]
① 使用scRNA-seq识别胎儿肝脏(E14.5)中的主要细胞类型，MERFISH分析发现胎儿肝细胞类型在空间上以非随机方式配对，表明可能存在细胞间通讯；
② 在WT和Tet2−/−中，大多数造血干细胞（HSC）与内皮细胞（EC）直接接触，Tet2的缺失增加了HSC的数量，并上调了HSC生态位中的Wnt和Notch信号基因；
③ MERFISH空间表达定位分析表明，内皮细胞的两种亚型——动脉内皮细胞和窦状内皮细胞，以及其他不同类型的细胞，为HSC生态位提供不同的信号分子；
④ 空间技术创新上，研究将WGA（wheat germ agglutinin）连接到细胞膜上，并利用寡核苷酸修饰，成功区分出胎儿肝组织切片中的单细胞边界。（张书琪）
胎儿肝脏单细胞及MERFISH定位验证概览图
Spatial transcriptome profiling by MERFISH reveals fetal liver hematopoietic stem cell niche architecture.
2021.06.29, DOI: 10.1038/S41421-021-00266-1.
研究文章，MERFISH，人，肝脏，胎儿肝造血干细胞，生态位，空间转录组，单细胞转录组，Yanfang Lu，Miao Liu, Xinghua Pan, Samuel G . Katz, Siyuan Wang, Yale School of Medicine, 南方医科大学，中国，USA
乳腺
Breast
乳腺癌组织病理学图像预测平均转录组和空间转录组
Cancer Research [IF:12.701]
① 以多组组织病理影像数据为输入、RNA-seq数据为响应输出，基于深度卷积神经网络模型（CNN），逐个基因优化CNN建立病理影像预测基因表达的模型，并通过额外数据进行模型验证，实现从常规乳腺癌组织病理图像预测转录组表达（transcriptome-wide Expression-Morphology，EMO）；
② 评估了EMO对于Prosigna/PAM50等已建立的乳腺癌生物标志物检测中，相关基因的预测性能；
③ Reactome数据库基因富集分析EMO预测中参与特定分子机制及通路的基因富集情况，进一步支持形态与基因表达模式相关假设；
④ 通过与空间转录组技术分析比较，表明EMO可通过常规HE染色切片图像、预测基于基因表达的增值评分，有助于探索肿瘤内基因表达异质性；
⑤ EMO提供了一种经济有效和可扩展的方法，从组织病理学图像预测肿瘤平均和肿瘤内空间表达，且有一定的临床应用和探索价值。（lyc）
EMO 模型训练和验证方案图
Predicting Molecular Phenotypes from Histopathology Images: A Transcriptome-Wide Expression-Morphology Analysis in Breast Cancer
2021.08.02, DOI: 10.1158/0008-5472.CAN-21-0482
研究文章，乳腺癌，病理学，病理影像，基因表达，深度学习，空间转录组，Yinxi Wang，Kimmo Kartasalo，Pekka Ruusuvuori，Johan Hartman，Mattias Rantalainen，Karolinska Institutet，Sweden
前列腺
Prostate
上海长海医院Nature Cell Biology：细胞亚型的转录重塑促进人类前列腺癌进展
Nature Cell Biology [IF: 28.824]
① 对13个组织样本scRNA-Seq绘制了单细胞转录图谱，并进行注释，注释为20个细胞亚群，包括有：上皮细胞、成纤维细胞、内皮细胞、肥大细胞、T细胞等；
② 对上皮细胞亚群进行分析，发现Cluster 10和Cluster12这两种分子分型与前列腺患者的预后相关；
③ 根据标记基因的表达，在效应T细胞的两个聚类和调节性T细胞中发现了一种编码前列腺特异性抗原（PSA）的基因KLK3，同时分析了头颈部鳞状细胞癌(HNSCC)、非小细胞肺癌(NSCLC)、结肠直肠癌(CRC)和肝细胞癌(HCC)这四种癌症类型均在T细胞中发现了肿瘤标记基因的表达，这可能是浸润性T细胞转录组的一般特征；
④ 来源于前列腺癌细胞的细胞外囊泡可诱导T细胞表达KLK3，且KLK3的异位表达与微转移有关；
⑤ 利用scRNA-Seq分析了肿瘤微环境（TME）中的非免疫成分（成纤维细胞和内皮细胞），发现成纤维细胞(CAF)在前列腺癌发展中起着重要作用，且激活的成纤维细胞相关基因在内皮细胞中高度表达，将这类内皮细胞命名为aEC (activated endothelial cell, aEC)；aEC细胞亚群能够提升前列腺癌细胞的侵袭能力。（刘卓雅）
前列腺癌研究单细胞转录组概览图
Single-cell analysis reveals transcriptomic remodellings in distinct cell types that contribute to human prostate cancer progression.
2021.01.08, DOI: 10.1038/s41556-020-00613-6.
研究文章，前列腺肿瘤单细胞，人，前列腺，空间转录组，单细胞转录组, Sujun Chen, Guanghui Zhu , Yue Yang , Fubo Wang , Jianhua Wang, Housheng Hansen He , Shancheng Ren, Princess Margaret Cancer Centre，University of Toronto，上海长海医院，中国，Canada
时空新技术
New technology
Cell：一种基于微流体条码标记的、单细胞分辨率的空间多组学测序技术DBiT-seq
Cell [IF:41.582]
① 基于微流体条码标记，将多组学技术与高分辨率的空间信息相结合，开发了DBiT-seq技术，可以达到10μm精度水平；
② 通过对发育中的小鼠胚胎单细胞转录组分析验证DBiT-seq技术，首先将小鼠胚胎细胞分为11个主要类群，将这些细胞类群映射回空间图谱，发现这些细胞集群与小鼠胚胎发育的主要组织类型密切相关；
③ 采用高分辨率的DBiT-seq技术分析E.10期小鼠胚胎组织样本的脑区，Pan-mRNA map图清晰地分辨出更多的脑部精细结构；
④ 将得到的空间图谱与相邻组织切片H&E染色图谱进行比较，并对其中4个高表达的基因进行可视化分析，显示DBiT-seq技术能够高精度地解析组织中的单细胞结构。（于孟君）
DBiT-seq技术概览图
High-Spatial-resolution Multi-Omics Sequencing via Deterministic Barcoding in Tissue
2020.12.10, DOI:https://doi.org/10.1016/j.cell.2020.10.026
研究文章，DBiT-seq，微流体，条形码，空间组学，多组学，Yang Liu, Mingyu Yang, Yanxiang Deng, Rong Fan, Yale University, USA
Nature neuroscience：原位测序空间转录组技术BARseq2揭示钙粘蛋白跨皮层投射
Nature neuroscience [IF:24.884]
① 开发了原位测序实现空间定位和条形码多重基因表达检测的BARseq2技术；
② 运用BARseq2技术在细胞水平高通量揭示了神经元回路的分子特征，实现了成年小鼠脑两个相隔较远的皮质区（运动皮层和听觉皮层）细胞中钙粘连蛋白和细胞类型标记物的表达检测，以及3,164个细胞的投射，并鉴定了不同投射的基因关联性；
③ 通过在1,349个神经元中将基因表达和投射模式相关联，揭示了跨两个皮层区域同源投射的共享钙粘连蛋白特征，并发现这些钙粘连蛋白在转录组分类的、多个分支中富集。（于鑫）
BARseq2技术示意图
Integrating barcoded neuroanatomy with spatial transcriptional profiling reveals cadherin correlates of projections shared across the cortex
2020.08.25, DOI: 10.1101/2020.08.25.266460.
研究文章，BARseq2技术，神经元投射，多基因表达，小鼠，脑，空间转录组，单细胞转录组, Yu-Chi Sun，Xiaoyin Chen，Anthony M.Zador，Cold Spring Harbor Laboratory, USA
生信工具
Analysis tools
Nature Communications：克服空间转录组分析中基因类别富集的假阳性
Nature Communications [IF: 14.919]
① 空间转录组学图谱提高了我们对基因表达模式与大脑结构和功能的空间变化特性之间相关性的理解；基因类别富集分析 (GCEA) 是识别驱动这些关联的功能基因类别的常用方法，使用基因到类别注释系统，如GO分析；
② 作者表明将标准GCEA 方法应用于空间转录组数据受到大量假阳性偏差的影响，GO 类别显示与小鼠和人类随机神经表型的假阳性关联平均膨胀超过500倍；
③ GO分析的估计假阳性率与文献中报告的显著富集率相关，表明已发表的报告受到这种假阳性偏向性的影响；
④ 发现类别内基因共表达和空间自相关是假阳性偏差的关键驱动因素，并引入了灵活的基于集合的模型来解释这些影响，提供了可校正假阳性的分析工具（https://github.com/benfulcher/GeneCategoryEnrichmentAnalysis）。
基因类别富集分析(GCEA)应用于脑表达图谱数据的流程图
Overcoming false-positive gene-category enrichment in the analysis of spatially resolved transcriptomic brain atlas data
2021.05.11, DOI: 10.1038/s41467-021-22862-1
研究文章，空间转录组，基因共表达，假阳性，Ben D. Fulcher, University of Sydney, Monash University, Australia
Briefings in Bioinformatics 综述：空间组学分析的平台、应用和分析工具
Briefings in Bioinformatics [IF: 11.622]
① 空间技术的出现克服了传统的基因组和蛋白质组等因组织解离导致组织形态和空间信息的丢失等缺点；空间表达数据连同细胞和组织成像数据，为研究组织异质性和细胞空间组织提供了思路；
② 综述了近年来空间分子谱分析技术的发展、原理以及分析这些数据的相应计算方法；
③ 介绍了已有的两种主流的空间分子表征技术：基于成像和基于测序，并回顾了它们的技术发展和优势；
④ 介绍了空间数据的分析方法和应用如空间上的差异基因表达分析，表达模式鉴定、细胞互作和邻居分析以及整合分析和预测，并且提出了一些潜在分析点比如添加空间信增强对单细胞数据的分析。（Imm F）
原位成像和测序两种空间组学方法的原理示意图
Spatial molecular profiling: platforms, applications and analysis tools
2020.08.06， DOI：10.1093/bib/bbaa145
综述文章，空间转录组，技术原理，分析工具，Minzhe Zhang, Guanghua Xiao, University of Texas Southwestern Medical Center, USA
编辑 / 力强 晓黎
推荐阅读
09-18 时空简讯第4期
07-28 DNBelab C4
07-20 时空组学
09-17 高端人才招聘
联系我们
对时空组学或单细胞组学整体解决方案感兴趣的老师，可选择以下方式和我们联系，我们将及时为您进行详细的介绍：
1. 在公众号留言；
2. 发送信息至邮箱：
collaboration@stereomics.com；
3. 点击页面左下方“阅读原文”登记信息。
点
“阅读原文”登记信息