前幾期，小編已經(jīng)分享過單細(xì)胞與空間轉(zhuǎn)錄組聯(lián)合應(yīng)用于骨髓造血微環(huán)境的文章咯。（感興趣的小伙伴，可以補課哦~）

本期，小編將重點介紹一下烈冰生物針對人類樣本的空間轉(zhuǎn)錄組數(shù)據(jù)的分析策略。烈冰生物單細(xì)胞轉(zhuǎn)錄組測序與空間轉(zhuǎn)錄組測序聯(lián)合分析流程也正在最后的優(yōu)化測試階段，即將與大家見面，敬請期待！

（趕緊關(guān)注我們吧，方便下次訂閱～）

首先，給大家分享一篇2020年1月13日發(fā)表于《Nature Biotechnology》的高分文章：Integrating microarray-based spatial tranomics and single-cell RNA-seq reveals tissue architecture in pancreatic ductal adenocarcinomas。

該研究聯(lián)合利用空間轉(zhuǎn)錄組分析和scRNA-seq兩種技術(shù)，通過引用多模式相交分析（MIA）確定兩種技術(shù)中的特異性基因顯著重疊，來推斷組織空間受限區(qū)域中特定細(xì)胞類型的富集，并成功的將scRNA-seq的結(jié)果進行空間定位，從而發(fā)現(xiàn)亞群的差異化定位使它們在組織中發(fā)揮獨特的作用。

圖1 PDAC患者的空間轉(zhuǎn)錄組分析結(jié)果

a-b主要描述了2例PDAC患者的冰凍切片，并且與組織學(xué)注釋映射的結(jié)果。c-d為特征性基因的表達情況，e-f為聚類分析結(jié)果。

空間轉(zhuǎn)錄組測序可以幫助研究者在空間背景下繪制細(xì)胞類型、細(xì)胞亞群，甚至細(xì)胞狀態(tài)，這對于癌癥發(fā)病機制、神經(jīng)科學(xué)、發(fā)育生物學(xué)等眾多領(lǐng)域的研究都有重要意義。

看完高分文章中的空間轉(zhuǎn)錄組分析，是不是迫切的想知道我們能不能得到這樣的結(jié)果呢？還能夠再做哪些分析呢？

下面跟著小編一起來看看烈冰生物對于人類樣本的空間轉(zhuǎn)錄組數(shù)據(jù)的分析策略吧！

烈冰針對每個樣本的空間轉(zhuǎn)錄組測序數(shù)據(jù)，通過上述完整的數(shù)據(jù)分析流程，對所有檢測到的細(xì)胞進行分群，并鑒定細(xì)胞類型，可以在不同分組間從細(xì)胞類型的組成和豐度角度進行比較。

具體分析結(jié)果展示如下：

1.點陣判斷

針對質(zhì)控后clean data中的cell barcode信息及其對應(yīng)的counts數(shù)進行統(tǒng)計（圖1左），判斷測序樣本中實際檢測到的點陣數(shù)（圖1右），獲得真實的空間轉(zhuǎn)錄組測序信息。

圖1 點陣判斷后的結(jié)果示例

2.空間點陣聚類與亞群分析

圖2 空間點陣聚類的UMAP圖（左）和t-SNE圖（右）

以基因組比對后結(jié)果以及表達量結(jié)矩陣進行細(xì)胞的降維和聚類，將空間點陣分為不同的Cluster聚類簇，圖2分別展示了采用UMAP算法和tSNE算法對cluster聚類后，在空間染色片上進行染色的結(jié)果。

3. 點陣Cluster聚類簇Marker分析

該圖主要描繪了與組織空間位置相關(guān)的分子特征，可視化的展現(xiàn)方式，可以更加直觀的了解Marker基因在空間上的差異表達情況。

4.解剖區(qū)域細(xì)分

空間轉(zhuǎn)錄組數(shù)據(jù)分析同樣的也可以對感興趣的局部解剖區(qū)域進行細(xì)分，根據(jù)每個點陣中的表達量數(shù)據(jù)對指定的解剖區(qū)域（臨近切片或者當(dāng)前切片）進行結(jié)果展示，包括基因區(qū)域的集中展示。

5. 信號通路Scoring分析

該圖展示的是針對每一個點陣的信號通路、代謝通路調(diào)控強度的打分結(jié)果。 信號通路的空間定位信息，可以一定程度上助力研究信號通路在空間上傳遞的動態(tài)性。

6. 細(xì)胞通訊分析

通過對點陣群體與群體之間的通訊關(guān)系進行解析可以得到跨區(qū)域的關(guān)聯(lián)性。下圖即為空間轉(zhuǎn)錄組的細(xì)胞通訊分析結(jié)果示意圖，可以清晰地判斷群體之間的相互作用關(guān)系以及作用強度。

掃描下方二維碼，關(guān)注公眾號“烈冰生物”，獲取更多空間轉(zhuǎn)錄組資料。