CODEX結(jié)合單細(xì)胞轉(zhuǎn)錄組測(cè)序?qū)崿F(xiàn)空間多組學(xué)整合分析

近年來(lái)，隨著多重免疫熒光mIHC技術(shù)和圖像定量分析技術(shù)的發(fā)展，對(duì)于組織原位蛋白標(biāo)記物的檢測(cè)數(shù)量更多，進(jìn)而可以更好的分析組織微環(huán)境的組成結(jié)構(gòu)和更詳細(xì)的細(xì)胞分型。例如CODEX技術(shù)，可以在一張組織切片上，實(shí)現(xiàn)40種以上的抗原標(biāo)記。結(jié)合分析軟件，可基于表達(dá)相似類型抗原集合實(shí)現(xiàn)自動(dòng)化細(xì)胞分型和聚類分析。

單細(xì)胞轉(zhuǎn)錄組測(cè)序（single-cell RNA-seq，scRNA-seq）可在單細(xì)胞水平揭示全基因組范圍內(nèi)所有基因的表達(dá)情況，非常有利于研究細(xì)胞間的表達(dá)異質(zhì)性。通過(guò)scRNA-seq可以在轉(zhuǎn)錄水平上，基于每個(gè)細(xì)胞中的上千個(gè)基因的表達(dá)水平進(jìn)行分型和聚類。而CITE-seq（Cellular Indexing of Transcriptomes and Epitopes by sequencing，通過(guò)測(cè)序來(lái)進(jìn)行轉(zhuǎn)錄組和表位的細(xì)胞索引技術(shù)）技術(shù)能夠?qū)��?shù)千個(gè)單細(xì)胞的表面蛋白標(biāo)記物進(jìn)行測(cè)定，同時(shí)還能夠?qū)ο嗤瑔渭?xì)胞中的mRNA進(jìn)行測(cè)序。為了提升對(duì)mIHC數(shù)據(jù)的注釋能力，越來(lái)越多的研究人員選擇將scRNA-seq數(shù)據(jù)與mIHC數(shù)據(jù)結(jié)合起來(lái)。

自賓夕法尼亞大學(xué)的科研人員在SCIENCE ADVANCES發(fā)表了一篇名為“Single-cell transcriptomic analysis of mIHC images via antigen mapping”的文章。在文章中開(kāi)發(fā)了 STvEA 算法(Spatially resolved transcriptomics via epitope anchoring)，該算法利用CITE-seq 得到的 RNA 測(cè)序數(shù)據(jù)，對(duì)CODEX 全組織單細(xì)胞表達(dá)圖片進(jìn)行注釋。該分析方法不僅允許作者通過(guò)抗原表達(dá)類型和轉(zhuǎn)錄組表達(dá)狀態(tài)注釋細(xì)胞，而且還可以分析空間基因表達(dá)情況和研究細(xì)胞群體之間的相互作用。

STvEA算法通過(guò)三個(gè)步驟對(duì)單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行分析。第一步，通過(guò)共享的抗體panel，將CODEX得到的蛋白空間表達(dá)圖譜，與CITE-seq得到的轉(zhuǎn)錄組信息通過(guò)軟件算法結(jié)合起來(lái)；之后，將基于mRNA表達(dá)結(jié)果進(jìn)行的細(xì)胞分型整合到CODEX空間單細(xì)胞圖像上，得到空間轉(zhuǎn)錄信息注釋；最后，STvEA可以幫助研究人員根據(jù)CODEX空間蛋白表型和CITE-seq的轉(zhuǎn)錄組數(shù)據(jù)對(duì)細(xì)胞分型結(jié)果進(jìn)行驗(yàn)證和細(xì)胞群體之間相互關(guān)系研究。

文章選擇小鼠脾臟作為研究樣本，將CITE-seq測(cè)序數(shù)據(jù)集定位到CODEX空間原位圖像上�；�于CODEX和CITE-seq繪制表達(dá)圖譜的原理如下圖A展示，該算法基于兩種方法學(xué)得到數(shù)據(jù)中共有的鄰域和mRNA表達(dá)譜的一致性，得到CODEX和CITE-seq細(xì)胞集合中的對(duì)應(yīng)關(guān)系，再基于這些對(duì)應(yīng)關(guān)系將兩個(gè)細(xì)胞集合整合為一個(gè)細(xì)胞蛋白表達(dá)圖譜。之后，如下圖B所示，將CITE-seq細(xì)胞集合定位到脾臟組織切片的CODEX空間原位圖像上。

同時(shí)，作者基于轉(zhuǎn)錄組表達(dá)結(jié)果注釋了脾臟組織中的細(xì)胞群體，將細(xì)胞分為17種亞型，并對(duì)CODEX空間原位圖片中的細(xì)胞根據(jù)這17種亞型進(jìn)行分型。并通過(guò)STvEA算法繪制了以下幾個(gè)UMAP圖（注：UMAP是一種單細(xì)胞數(shù)據(jù)降維可視化工具）和空間分布圖：下圖A展示的為基于這17種分型對(duì)CODEX蛋白表達(dá)聚類結(jié)果注釋的UMAP圖；圖B展示的這17種分型對(duì)CITE-seq蛋白表達(dá)聚類結(jié)果注釋的UMAP圖；圖C展示的是在組織切片上這17種細(xì)胞亞型的空間分布。

并展示了CODEX細(xì)胞與同一CITE-seq細(xì)胞相關(guān)蛋白表達(dá)譜的一致性。

[參考信息]

1. Single-cell transcriptomic analysis of mIHC images via antigen mapping. SCIENCE ADVANCES • 5 Mar 2021,Vol 7, Issue 10