2022-05-17

Nat Biotech | DestVI识别同类细胞空间转录组的连续变化

原创 苏安 图灵基因 2022-05-17 07:03

收录于合集#前沿分子生物学技术

撰文：苏安

IF：54.908

推荐度：⭐⭐⭐⭐⭐

亮点：

1. 作者开发了一种全新的算法来进行空间转录组学图谱的分析，这种算法被命名为DestVI.

2. DestVI数据分析方法的优势在于可以识别同一类型细胞中转录组的连续变化

3. 在肿瘤小鼠的模型中，DestVI分析方法可以提供这些组织高分辨率、准确的空间表征，并且能够识别不同组织区域或条件之间表达的细胞类型特异性基因变化。

 

大多数空间转录组学技术因受到其分辨率的限制，其斑点的大小大于单个细胞。虽然与单细胞RNA测序的联合分析可以缓解这一问题，但目前的方法仅限于评估离散的细胞类型，揭示每个点内的细胞类型的比例。为了识别同一类型细胞内转录组的连续变化，作者开发了研究空间转录组谱的新工具DestVI。这项新工具可以识别同一类型细胞中转录组的连续变化，具有很大的优势，而且在肿瘤学模型中能够得到分辨率更高，定位更准确的空间表征以及细胞中特异性的基因变化。

近期，在Nature biotechnology杂志上发表了一篇名为“ DestVI identifies continuums of cell types in spatial transcriptomics data”的文章，本文的研究人员开发了一种全新的算法来进行空间转录组学图谱的分析，这种算法被命名为DestVI。DestVI不仅可以识别同一类型细胞中转录组的连续变化，而且在肿瘤学模型中能够得到分辨率更高，定位更准确的空间表征以及细胞中特异性的基因变化。这项研究将为空间转录组学提供一种全新的研究工具，大大开拓当前空间转录组的研究深度。

首先，作者向我们介绍了DestVI算法的原理。DestVI使用两种不同的潜在变量模型(LVMs)来推断ctp和细胞类型特定的连续子状态。DestVI以一对数据集作为输入：来自同一组织的查询ST数据和来自同一组织的参考scRNA-seq数据，用细胞类型标签注释。输出包括每个点的ctp和每个点中每个细胞类型的细胞状态的连续估计。为了对参考scRNA-seq数据进行建模，假设DestVI的第一个LVM(单细胞潜在变量模型），对于每个基因g和细胞n，观察到的转录本的数量xng遵循一个负二项分布。为了对ST数据进行建模，假设DestVI的第二个LVM(空间转录组潜在变量模型stLVM)，对于每个基因g和每个点s，观察到的转录本数量xsg也遵循负二项分布。图1.DestVI算法的原理示意图

为了充分评估DestVI在推断连续细胞状态方面的性能，作者建立了一个更微妙的模拟框架，该框架也解释了细胞类型内的可变性。在这个模拟方案中，每个点都由一个CTP以及每种类型的细胞的状态来定义。作者将细胞状态的连续体模拟为每个具有负二项类似的细胞类型低维线性LVM，然后，作者通过采样生成一个空间数据集。作者将DestVI与其他方法进行了比较，发现DestVI在针对同一类型细胞的连续状态监测中具有极大的优势。图2.通过仿真试验评估DestVI算法的性能。

为了研究DestVI对于空间免疫反应的识别性，作者选取了小鼠淋巴组织进行探究。作者使用Visium平台分析4个淋巴结切片(MS刺激的两个切片和对照(PBS)注射的两个切片，在同一Visium玻片的两个捕获区域进行处理)。作者对其他淋巴结进行了分析，以获得MS和PBS治疗的匹配scRNA-seq数据集。随后作者使用scanpy对原始数据进行聚类分析，探索了每个细胞的感染诱导的转录状态差异如何与空间组织的变化相关的类型，其中包括每种类型细胞的空间分布，作者还发现，单核细胞倾向于形成空间一致的生态位，与对照组相比，在受刺激的淋巴结中具有更强程度的共定位。图3.DestVI在小鼠淋巴结中的应用。

为了探究DestVI在肿瘤组织中的应用。作者使用Visium对同基因小鼠肿瘤模型(MCA205)进行了空间分析。MCA205肿瘤细胞皮内移植后14天，他们使用scRNA-seq和Visium对肿瘤进行了表征。作者通过基于标记基因标记scVI24的潜在空间聚类，对scRNA-seq数据进行了注释，随后，作者使用DestVI探索了这些细胞类型和状态的空间分布。作者检查了主要免疫亚群(CD8T细胞、单核细胞、巨噬细胞、树突状细胞(DCs)和NK细胞的推断CTP，这些结果表明，DestVI能够提供MCA205肿瘤中主要免疫亚群的空间组织的精确和详细的视图。图4.DestVI在MCA205肿瘤样本中的应用

为了检查这些亚群体的空间组织，作者使用DestVI来推断Visium数据中相应基因集的mon-mac特异性表达。结果表明，这两个群体大多丰富于MCA205肿瘤的内层。这与之前在人类肿瘤和小鼠模型中对Mreg和TAM37的观察结果一致，它有助于解释这种髓系抑制细胞(通常被确定为Arg1+)与较差的抗肿瘤反应之间的联系。有趣的是，在这两个肿瘤浸润的髓系群体中，作者发现了Mreg细胞的明显定位。接下来，作者通过多路免疫荧光染色在其他MCA205肿瘤样本中进一步验证了Mreg细胞的定位(n=12)。总之，DestVI正确地将免疫细胞的细胞类型映射到点坐标上，并确定了一个明确而特殊的生态位，进一步的实验验证也表明，DestVI可能是探索免疫治疗下不同肿瘤模型中复杂细胞类型特异性表型变化的可靠工具。图5.DestVI在肿瘤核心中发现了一个缺氧的巨噬细胞群

本文作者开发了一种全新的空间转录组学分析工具——DestVI。DestVI具有高分辨率，定位准确高的优点，并且具备在同一类型细胞中进行连续转态监测的能力，能够应用于肿瘤组织分析，这项分析工具将对空间转录组学的研究产生积极的推进作用。

教授介绍：

Romain Lopez

Romain Lopez是美国是斯坦福大学博士后学者，加州大学伯克利分校电气工程和计算机科学系的博士。

Romain Lopez的研究兴趣是统计学、计算和建模的交叉点，重点是生物学应用。他的研究很大一部分是通过构建更精确、更快的机器学习软件来分析单细胞组学数据。他开发了单细胞变分推理（scVI），这是一种灵活的模型和可扩展的推理方法，用于全面分析单细胞转录组，同时他也开发了scvi工具，这是一个开源软件套件，用于单细胞多组分数据的完全概率建模。

参考文献：

Romain Lopez, et al. DestVI identifies continuums of cell typesin spatial transcriptomics data [J].Nature biotechnology. 2022 Apr 26:S41587-022