鑽石舞台

介紹

最初，在研究人員為大規模RNA測序準備樣本的過程中，組織被均質和分析，以獲得組織細胞(其轉錄組)中的mRNA的平均基因表達；當單細胞RNA測序(scRNA-seq)被開發出來時，它帶來了對每個細胞轉錄組更精細的評估，在scRNA-seq中，研究人員將細胞從組織中分離出來，例如，根據基因表達來辨別細胞類型。艾倫腦科學研究所(Allen Institute for Brain Science)所長曾宏奎說，研究單細胞更像是在吃水果沙拉，而不是在喝冰沙。現在，利用空間解析的轉錄組學方法，科學家們可以獲得轉錄組學數據，並知道這些細胞在組織中的位置背景。「水果撻是空間轉錄組學，」艾倫研究所研究員Bosiljka Tasic說，他與曾宏奎共同接受了採訪。她說：「你能準確地知道每一片水果的位置，以及它們之間的關係。」。空間分析還不能提供所有單細胞的轉錄組範圍的信息，但這一領域正在朝着單細胞的方向快速發展。卡羅林斯卡學院(Karolinska Institute)的生物學家斯滕·林納松(Sten Linnarsson)說，生物學「完全是關於環境的」。空間單細胞轉錄組學是單細胞分析之後的下一波潮流，他說這將對實驗室研究人類疾病特別有用，因為人類疾病通常始於單細胞。「如果我能做夢，在幾年內，我們將在活體組織中實現時空單細胞組學」，這將使單細胞的發展實現一個完整的循環。

科學、癌症研究或發育生物學等領域提供空間解析的轉錄組數據。「我認為未來是光明的，」華盛頓大學的Jay Shendure說。他最感興趣的是如何應用這些方法來獲得結合細胞狀態、歷史和命運的空間分解的發育圖譜。「這是一個非常活躍的領域，」曾說。哈佛大學(Harvard University)的莊曉偉(Xiaowei Zhuang)是霍華德休斯醫學研究所(Howard Hughes Medical Institute)的研究員，他一直在影像領域做研究。她和她的實驗室開發了一種超分辨率顯微鏡方法——隨機光學重建顯微鏡(STORM)。當單細胞基因組學出現時，她開始思考並努力尋找一種將成像和基因組學結合起來的方法，以「獲得兩個世界最好的一面」。Hubrecht研究所(Hubrecht Institute)所長、由物理學家轉行的生物學家亞歷山大·范·歐德納登(Alexander van Oudenaarden)說，從2012年左右開始出現的方法，尤其是那些在單細胞序列的同時捕捉空間信息的方法，已經融合了之前分離的成像、測序和分子表徵領域。他和他的實驗室將單細胞轉錄組學和空間轉錄組學結合起來，比較了類胃體和小鼠胚胎中的基因表達。對單個細胞的研究起源於19世紀，比如魯道夫·魏爾肖(Rudolf Virchow)的觀察發現，疾病開始於細胞，而不是整個有機體。十年前，當van Oudenaarden和其他人在顯微鏡下觀察細胞在生長的生物體中生長和遷移時，「我們總是有點嫉妒測序的世界。」他和他的團隊可以製作延時電影並捕捉複雜的過程，但只能用少量熒光蛋白標記基因表達。現在已經有可能評估許多單細胞和許多基因，並跟蹤細胞的組織背景和它們的空間屬性。「有各種各樣的聰明方法來保存空間信息，」他說。「這是一項非常令人興奮的技術。」

正如瑞典皇家理工學院生命科學實驗室的Joakim Lundeberg及其同事所指出的，空間技術可以分為兩種，一種是對顯微解剖組織進行基因表達分析，另一種是原位雜交、原位測序、原位捕獲，空間數據的計算重建。曾宏奎說，單分子熒光原位雜交(smFISH)是基於空間技術的「基於雜交方法的開端」。在這種方法中，多個寡核苷酸攜帶熒光標籤並與RNA分子結合。來自艾倫研究所、生命科學實驗室和卡羅林斯卡學院的研究人員指出，smFISH可以產生「接近100%的檢測靈敏度」的定量mRNA readout。

Compute that space

約翰霍普金斯大學(Johns Hopkins University)的計算癌症生物學家埃拉娜·費蒂格(Elana Fertig)說：「事實上，它並不能完美地解析每個細胞，我對此沒有意見。」不過，在理想情況下，她希望獲得單細胞分辨率。她研究的是腫瘤異質性，空間技術可以幫助解決這個問題。她的一個項目是評估T細胞對腫瘤的浸潤。該實驗室側重於多組學，整合來自不同模式的數據，研究人員使用來自多種空間分析方法的數據。她發現10x Genomics的Visium技術比FISH更容易獲得。分子的變化可以定義腫瘤的類型，但腫瘤在這些類別中有很大的不同。「細胞類型並不是二元的，」她說。她想知道到目前為止，流式細胞術是否已經可以確定細胞類型。觀察帶有許多細胞標記的樣本，現在可能會得到一個細胞身份的連續體。對於這項工作，團隊科學變得更加重要，它可以迭代發現，開發數據分析和可視化方法來搜索出計算工件。Fertig實驗室是美國國家癌症研究所(National Cancer Institute)癌症研究信息學技術項目的一部分，該項目旨在構建解釋高維組學數據的框架，這些數據將越來越多地包括空間數據。隨着每個單元有更多的標記，數據的高維性增加了數據解釋的挑戰。「我認為這是空間領域目前面臨的挑戰，」她說。為了整合成像和單細胞數據進行空間轉錄分析，她和她的團隊應用遷移學習覆蓋基因相關特徵並進行降維。

Macosko預見了一個計算機發展的階段，即圍繞着尋找空間可變基因或尋找利用空間信息的軌跡。Shendure表示，儘管付出了很多努力，但管理數據和跨平台整合仍然是一個巨大的挑戰。每次實驗都會產生大量的數據，研究人員面臨着如何保存哪些數據、丟棄哪些數據的決定，並且不希望偏離基因組學中開放數據共享的原則。

Data juggling

在艾倫研究所(Allen Institute)，像大腦細胞類型這樣的大型項目就像處理大型數據集一樣司空見慣。艾倫的塔西克說，當觀察單細胞和空間轉錄組數據時，每個細胞有數以萬計的特性，他們能如此快地達到標準分析的邊界，這甚至讓他們感到驚訝。「數據矩陣變得難以管理，」她說。他們與生物界以外處理大規模數據矩陣的人合作。她說，未來的計算道路是艱巨而令人興奮的。她在研究生院測量所有單細胞中所有基因的夢想開始實現。即使是用相同方式捕獲的數據，在不同批處理之間也可能略有不同，因此必須進行規範化。為了整合成像、測序和電生理學等多種模式，她和她的團隊構建了聚類方法，並借鑑了不同類型的機器學習方法。

van Oudenaarden說，有很多機會可以通過計算將單細胞RNA-seq和空間信息結合起來，將單細胞映射回空間，並建立和使用參考地圖和工具。他對從原位雜交參考數據庫或不使用地圖的方法重建空間地圖的計算方法很感興趣。novoSpaRc就是這樣一種方法，它可以在沒有地圖的情況下進行「基因表達製圖」。這是基於基因表達在組織切片中如何變化的假設。van Oudenaarden說，擁有更多關於組織的數據是一個很好的問題。這些財富使得研究重要的「骨骼」——生物學的核心部分——成為「一個更大的難題」。對他來說，單細胞組學和空間方法的結合「確實是產生假設的一種方式，」他說。需要用單獨收集的數據來確認和驗證調查結果。

Atlas at hand

空間分析對於大腦倡議細胞普查網絡(Brain Initiative Cell Census Network, BICCN)至關重要，該項目由美國國立衛生研究院(US National Institutes of Health)資助，在該項目中，許多實驗室共同工作，製作參考人類、小鼠和非人靈長類動物的大腦圖譜。它涉及成像、電生理學和分子遺傳學分析，如轉錄組學和表觀基因組學。艾倫小鼠大腦圖譜的工作始於所有小鼠基因的原位表達圖譜，以顯示解剖和空間基因表達模式。「這是一個被廣泛使用的參考數據庫，」曾說，她指導BICCN的小鼠大腦全腦圖譜項目。Tasic說，該團隊正在小鼠和人類大腦中構建細胞類型的「周期系統」。她領導了一個BICCN項目，該項目是關於用於全腦標記的細胞類型特異性工具和以細胞類型特異性方式研究電路的方法。研究界很快就會有特定細胞類型的參考地圖集，他們可以在上面繪製自己的發現。在其他論文中，BICCN團隊最近發表了一份哺乳動物初級運動皮層的多模態細胞普查和圖譜。曾說，BICCN的第二階段正在啟動。在這些新項目中，有一些致力於細胞型靶向工具，以應用空間和分子信息，干擾細胞，並描述它們在電路和行為中的作用。

最近的阿特拉斯的鼠標初級運動皮層單細胞基因組學已經席捲生物學界。為了通過轉錄組細胞類型繪製小鼠初級運動皮層的30多萬個細胞的空間組織，他們選擇了莊的MERFISH，一種多重誤差強熒光原位雜交技術。他們將MERFISH與Patch-seq等其他方法結合起來，後者用電生理學測量細胞，然後進行測序。

Future in space

Macosko說，單分子FISH和單細胞基因組分析已經成為一組將基因組學的大規模假設生成技術引入細胞生物學和組織生物學的方法，這將為思考和技術發展奠定基礎。研究人員將能夠在空間環境中對基因表達進行精細的研究，並進行其他測量，如酶的過程和細胞之間、基因之間和蛋白質之間的相互作用。這將改變細胞生物學以及病理學和組織學的實踐方式。

寫在最後，如果老師對生信分析感興趣或想要分析相關內容的話，歡迎長按識別二維碼聯繫我們！

微信公眾號

中科生信

新浪微博

@中科生信