大数跨境
首页
>
【空间转录组】单细胞&空间组学 | 让每个细胞的‘空间密码’触手可及！
>

【空间转录组】单细胞&空间组学 | 让每个细胞的‘空间密码’触手可及！

【空间转录组】单细胞&空间组学 | 让每个细胞的‘空间密码’触手可及！ 丰信生命科学
2025-05-15
1
导读：空间转录组细胞分割技术应用案例：1、肿瘤研究：肿瘤微环境高分辨率图谱绘制2、神经科学：蝾螈端脑再生过程中的重要神经干细胞亚型3、植物研究：水稻种子萌发的时空景观4、非模式物种研究：猕猴下丘脑对肥胖和糖



前言


单细胞空间转录组学正在成为生物学研究的重要工具，通过精确描绘单个细胞在空间上的基因表达，揭示了细胞行为和组织结构的微观世界。然而，准确的细胞分割仍然是高质量空间转录组数据分析的一个关键难题。系统的生物空间转录组解决方案，能够帮助您在近似单细胞水平，挖掘更多空间生物学信息，加大加速科研进程。


什么是细胞分割？


细胞生物学研究需要定量多种细胞特性（如形状、位置、RNA表达等），通过空间转录组测序我们能够得到组织切片的高清图像以及基因表达的空间位置信息，为了将这些特性分配给单个细胞，细胞分割技术应运而生。
在许多组织中，细胞紧密排列且难以分离，为了能检测到的转录本信息分配给不同的细胞，必须首先将图像中的细胞区域进行分割，通常是基于细胞核或者细胞膜的染色结果[1]，随后将转录本分配给单个细胞，从而将空间位点的基因表达矩阵转换为单细胞基因表达矩阵[2]。
图片
CellBin细胞分割示意图（LI, M., et al. BioRxiv. 2024）


细胞分割技术常用方法


（1）基于细胞核特征的方法
基于细胞核染色是比较常见的细胞分割办法。比较经典的cellpose算法通过其特殊的神经网络架构模拟扩散来创建图像梯度进而识别细胞核形状等，之后通过分水岭算法进一步外扩精准确定细胞核的边界。
Stereo-seq平台配套的的CellBin算法，基于时空芯片底层设计，利用track线实现1μm内配准精度，将细胞影像图和表达矩阵对齐；利用影像学特征完成高精度的组织分割、细胞核分割以及细胞内分子归类，刻画出单个细胞的分子边界；映射到芯片内，提取分子信息，获得精准的单细胞表达矩阵[2]。
图片
CellBin细胞分割原理示意图（LI, M., et al. BioRxiv. 2024）
（2）基于细胞边界染色的方法
不少细胞分割技术也会采用细胞边界染色这种模式，当然也会将膜染色与核染色结果结合起来，共同鉴定细胞边界。
以Xenium技术的多模态染色细胞分割试剂盒为例，分别使用膜标记蛋白（ATP1A1、E - Cadherin、CD45）、细胞内部标记基因（18S rRNA）、核标记（DAPI）、细胞内部标记蛋白（alphaSMA、Vimentin）对细胞进行染色，从这种染色结果推断出的分割应最接近真实的细胞膜边界，这种方法有助于定义缺核细胞，鉴定多核细胞，并对重叠情况进行合理的分配（与无核细胞重叠的细胞核被分配给细胞）。
图片
Xenium细胞分割原理示意图


空间转录组细胞分割技术的应用案例


（1）肿瘤研究中的应用——肿瘤微环境高分辨率图谱绘制
腺癌是一种具有多种病理特征的复杂疾病，有必要在肿瘤景观的空间背景下剖析细胞成分和分子特征。通过整合单细胞和Xenium空间原位分析，细胞分割发现了位于肿瘤和肌上皮细胞之间的罕见边界细胞亚群，同时表达肿瘤标记物（ERBB2、ABCC11）和肌上皮标记物（MYLK、DST），确定了 CX3CL1、CCL28、PROM1 和 KLK5 基因，这些基因在边界细胞中高度表达，而在肿瘤细胞、肌上皮细胞或任何其他共定位细胞类型中没有表达[3]。
图片
肿瘤微环境细胞分割结果（JANESICK, A,. Nat Commun. 2023）
（2）神经科学中的应用——蝾螈端脑再生过程中的重要神经干细胞亚型
研究人员首先解析了成年蝾螈端脑转录组特征。实现了蝾螈成年端脑空间转录组建库测序，并进一步利用细胞分割完成单细胞水平的空间转录图谱的构建。鉴定了蝾螈端脑中不同的室管膜胶质细胞（EGCs）亚型、发育相关的EGC亚型dEGC、与脑损伤早期出现且与再生密切相关的神经干细胞亚型reaEGC、以及神经元发育的谱系变化等[4]。
图片
蝾螈脑细胞分割结果（WEI, X., et al. Science. 2022）
（3）植物研究应用——水稻种子萌发的时空景观
本研究利Stereo-seq和scRNA-seq技术，捕获了水稻胚芽细胞在种子萌发过程中的空间分辨单细胞转录组，并通过细胞分割算法生成了单细胞水平的空间图谱。描绘了种子萌发过程中不同胚胎细胞类型中基因表达的动态变化，突出显示了以细胞类型特异性方式重新编程的参与营养代谢、生物合成和植物激素信号传导的关键基因[5]。
图片
水稻种子细胞分割结果（YAO, J., Dev Cell. 2024）
（4）非模式物种研究——猕猴下丘脑对肥胖和糖尿病的区域特异性转录组反应
通过snRNA-seq和Stereo-seq绘制了食蟹猴下丘脑的单细胞空间转录组图谱，揭示了簇和基因的灵长类特异性分布以及空间区域、细胞类型和基因特征特异性变化。小窝核（INF）和室旁核（PVN）最容易受到代谢紊乱的影响，其中PVN对糖尿病更敏感。在INF中，肥胖导致突触可塑性和能量感知能力降低，而糖尿病涉及与单细胞屏障受损、小胶质细胞激活和神经元炎症反应相关的分子重编程。在糖尿病猕猴的PVN中，细胞代谢和神经活动均受到抑制[6]。
图片
猕猴下丘脑细胞分割结果（LEI, Y., et al.Cell metabolism. 2024）


参考文献


[1] STRINGER C, WANG T, MICHAELOS M, et al. Cellpose: a generalist algorithm for cellular segmentation [J]. Nat Methods, 2021, 18(1): 100-6.
[2] LI M, LIU H, KANG Q, et al. CellBin: a highly accurate single-cell gene expression processing pipeline for high-resolution spatial transcriptomics [J]. bioRxiv, 2024.
[3] JANESICK A, SHELANSKY R, GOTTSCHO A D, et al. High resolution mapping of the tumor microenvironment using integrated single-cell, spatial and in situ analysis [J]. Nat Commun, 2023, 14(1): 8353.
[4] WEI X, FU S, LI H, et al. Single-cell Stereo-seq reveals induced progenitor cells involved in axolotl brain regeneration [J]. Science, 2022, 377(6610): eabp9444.
[5] YAO J, CHU Q, GUO X, et al. Spatiotemporal transcriptomic landscape of rice embryonic cells during seed germination [J]. Dev Cell, 2024, 59(17): 2320-32 e5.
[6] LEI Y, LIANG X, SUN Y, et al. Region-specific transcriptomic responses to obesity and diabetes in macaque hypothalamus [J]. Cell metabolism, 2024, (2): 36.


扩展阅读




‍‍

【声明】内容源于网络
0
0
丰信生命科学
内容 0
粉丝 0
丰信生命科学
总阅读0
粉丝0
内容0