空間多組學(xué)滿足單細(xì)胞、空間環(huán)境多維分析的需求

研究疾病和發(fā)展動態(tài)的研究人員越來越多地依賴于能夠?qū)�組織內(nèi)的RNA和蛋白標(biāo)記物進(jìn)行空間分析�？臻g蛋白組學(xué)和空間轉(zhuǎn)錄組學(xué)等工具有助于回答復(fù)雜的生物學(xué)問題。生物過程是由多種模式同時發(fā)生的變化驅(qū)動的。轉(zhuǎn)錄組學(xué)和蛋白組學(xué)提供了關(guān)于組織樣本中細(xì)胞類型、狀態(tài)和功能的獨特信息。合并這些方法提供了一個更細(xì)致的組織生物學(xué)視角，揭示了可能被單一的數(shù)據(jù)來源所遺漏的見解。

空間轉(zhuǎn)錄組學(xué)使得無偏差的發(fā)現(xiàn)成為可能

研究轉(zhuǎn)錄組可以提供細(xì)胞、組織或有機(jī)體在給定時間點上存在的RNA分子的快照�；�因表達(dá)模式因細(xì)胞類型而異，通過捕獲轉(zhuǎn)錄組數(shù)據(jù)，我們可以收集有關(guān)組織樣本中存在哪些細(xì)胞類型及其功能狀態(tài)的有價值的信息。

有幾種方法可以讓研究人員在不同的分析水平上研究轉(zhuǎn)錄組。批量RNA測序方法在群體水平捕獲基因表達(dá)，而單細(xì)胞RNA測序有助于通過單個細(xì)胞的基因表達(dá)譜，以捕獲樣本中存在的異質(zhì)性。

空間轉(zhuǎn)錄組學(xué)是一種新興的方法，它提供了空間環(huán)境下的基因表達(dá)分析。繪制跨組織的基因表達(dá)圖譜可以讓我們確定細(xì)胞群的空間組織。然而，目前的空間轉(zhuǎn)錄組學(xué)方法缺乏真正的單細(xì)胞分辨率，依賴于感興趣區(qū)域(region of interest, ROI)或基于點的捕捉方法，無法準(zhǔn)確捕捉細(xì)胞多樣性。

然而，轉(zhuǎn)錄組學(xué)依然是發(fā)現(xiàn)驅(qū)動型研究的有力工具。在一個實驗中，通過對成千上萬的細(xì)胞和基因進(jìn)行分析，獲得組織微環(huán)境無偏差的信息，這種方法與基于成像的空間蛋白組學(xué)具有高度互補(bǔ)性。

空間蛋白組學(xué)捕捉真正的細(xì)胞行為

雖然mRNA和蛋白之間存在顯著的相關(guān)性，但研究也報告了這些相關(guān)性相當(dāng)大的差異。轉(zhuǎn)錄組分析不能反映蛋白降解、蛋白間相互作用和翻譯后修飾，所有這些都需要可以通過直接蛋白檢測來表征。

蛋白組學(xué)方法是在特定的環(huán)境條件下，特定的時間點檢測細(xì)胞、組織或有機(jī)體中存在的蛋白。作為幾乎所有生物過程的驅(qū)動因素，研究蛋白使我們更接近細(xì)胞行為的真實表征。細(xì)胞對周圍環(huán)境的信號和變化作出反應(yīng)，這些變化反映在蛋白組中，蛋白組因細(xì)胞類型、功能狀態(tài)、位置以及與其他細(xì)胞的相互作用而變化。

就像研究RNA一樣，也有工具可以在不同水平上研究蛋白組。質(zhì)譜可以在群體水平上對樣品中表達(dá)的蛋白進(jìn)行鑒定和量化。單細(xì)胞方法，如流式細(xì)胞術(shù)和質(zhì)譜流式，可以在單個細(xì)胞中檢測表達(dá)蛋白�；�于成像的空間蛋白組學(xué)，通過多重免疫熒光(mIF)，以單細(xì)胞分辨率捕獲整個組織切片中蛋白的空間分布。利用空間蛋白組學(xué)方法，我們可以捕捉由環(huán)境變化和藥物治療引起的蛋白表達(dá)和定位變化。CODEX平臺可以通過高度多重成像在一個組織切片中捕獲超過40個蛋白生物標(biāo)志物。

人惡性轉(zhuǎn)移性黑色素瘤FFPE組織的CODEX成像

蛋白組學(xué)也為轉(zhuǎn)化和臨床研究提供了有價值的信息。蛋白是發(fā)生在健康和患病組織中的動態(tài)變化的代表，并往往構(gòu)成大多數(shù)藥物靶點。因此，研究蛋白生物標(biāo)記物在開發(fā)治療方法和診斷工具方面也特別有價值。

空間多組學(xué)集成并可視化轉(zhuǎn)錄組和蛋白組數(shù)據(jù)

由于許多患者對免疫療法沒有反應(yīng)，對患者分層的一刀切的方法是不科學(xué)的。個體具有獨特的基因組、轉(zhuǎn)錄組和蛋白組譜，所有這些都可以在疾病進(jìn)展和治療反應(yīng)中發(fā)揮作用。

人們對更全面的多層次生物學(xué)途徑的研究越來越感興趣。蛋白組和轉(zhuǎn)錄組數(shù)據(jù)具有互補(bǔ)的特點，這使得研究人員可以將細(xì)胞的蛋白組和轉(zhuǎn)錄組信息與單細(xì)胞的空間環(huán)境信息整合。整合的空間多組學(xué)分析有潛力發(fā)現(xiàn)新的關(guān)聯(lián)，罕見的細(xì)胞群和復(fù)雜的疾病標(biāo)記物，提供了組織微環(huán)境的系統(tǒng)-生物學(xué)觀點。目前已經(jīng)開發(fā)了幾種綜合分析策略，將CODEX基于多重成像的空間蛋白組數(shù)據(jù)與單細(xì)胞RNA測序和CITE-seq數(shù)據(jù)合并。

GLUER (inteGrative anaLysis of mUlti-omics at single-cEll Resolution)就是這樣一種工具，它集成了單細(xì)胞多組學(xué)數(shù)據(jù)和成像數(shù)據(jù)。該方法由美國費城兒童醫(yī)院和賓夕法尼亞大學(xué)的Kai Tan博士和他的團(tuán)隊開發(fā)。該團(tuán)隊描述了他們?nèi)绾问褂肎LUER將CODEX基于成像的空間蛋白組數(shù)據(jù)與單細(xì)胞RNA測序數(shù)據(jù)合并，以研究小鼠脾臟組織中轉(zhuǎn)錄本和蛋白表達(dá)的空間分布。

STvEA (Spatially-resolved Transcriptomics via Epitope Anchoring)是賓夕法尼亞大學(xué)Pablo Camara博士的實驗室為了克服CITE-seq的局限性而開發(fā)的方法。CITE-seq可以同時分析RNA和蛋白的表達(dá)，但缺乏空間信息。在Science雜志上發(fā)表的一篇論文中，研究人員演示了STvEA如何將CITE-seq轉(zhuǎn)錄組映射到空間解析的CODEX成像數(shù)據(jù)。

STvEA整合了CODEX和CITE-seq蛋白表達(dá)空間

Will Wang博士是斯坦福大學(xué)Baxter干細(xì)胞生物學(xué)實驗室的成員，他一直在研究生物信息學(xué)工具，將蛋白組學(xué)和轉(zhuǎn)錄組學(xué)數(shù)據(jù)與研究組織再生和衰老的目標(biāo)結(jié)合起來。Wang博士和他的同事開發(fā)了一種工具，將CODEX成像數(shù)據(jù)與CITE-seq數(shù)據(jù)進(jìn)行比對，以投影空間轉(zhuǎn)錄組，模擬生長因子和配體的空間積累，并預(yù)測細(xì)胞間信號傳導(dǎo)。
 

下載《將單細(xì)胞分析置于環(huán)境中：空間多組學(xué)方法》白皮書，學(xué)習(xí)如何將空間環(huán)境添加到測序工作中。

掃碼下載完整白皮書

[參考信息]

1. Gry, M., Rimini, R., Strömberg, S., Asplund, A., Pontén, F., Uhlén, M., & Nilsson, P. (2009). Correlations between RNA and protein expression profiles in 23 human cell lines. BMC genomics, 10(1), 1-14.
2. Slavov, N. (2020). Unpicking the proteome in single cells. Science, 367(6477), 512-513.
3. Lundberg, E., & Borner, G. H. (2019). Spatial proteomics: a powerful discovery tool for cell biology. Nature Reviews Molecular Cell Biology, 20(5), 285-302.