在本节中,我们将介绍空间转录组学技术,讨论空间数据分析的计算方法,并回顾其在各种生物系统中的应用。此外,我们还将深入探讨空间多组学技术的最新进展。 空间分辨转录组学技术 目前所有的空间转录组学技术可以大致概括为三类,主要基于(i)显微解剖,(ii)条形码,和(iii)成像(图14A-C)。这些ST技术在位置标记和转录本...
单细胞转录组(Single-cell RNA-sequencing,scRNA-seq)是一项在单细胞水平上分析基因表达的技术,它允许研究者直接分析单个细胞中的RNA表达谱,揭示细胞内群体异质性、定义细胞类型、细胞状态和细胞的动态转变。 空间转录组(Spatial transcriptomics,ST)是一种新兴的高通量基因组学技术,旨在研究组织和器官中基因表达的空间分...
总的来说,单细胞空间转录组分析就是使用带有空间Barcode的探针对切片进行测序,联合ScRNA-seq可以实现将高分辨率单细胞数据得到的细胞亚群映射到空间上来,进而推断不同亚群的功能、分化关系等。 单细胞空间转录组是继细胞通讯、CNV推断、轨迹分析外经常使用的单细胞下游分析...
单细胞转录组技术可以同时测定单个细胞内数千个基因的表达水平,从而描述每个细胞的转录谱,为生物学研究提供单细胞的视野。 然而这两种技术也存在一些缺陷,例如Visium空间转录组的spots直径达到55 um,而细胞直径为10-20 um,所以Visium的spots是一个细胞的混合物,分辨率达不到单细胞的级别,相反的,单细胞技术虽然能达到...
scRNA-seq+空间组学整合分析 的计算方法 鉴于空间转录组学方法还不能在组织中产生深层单细胞分辨率的转录组图谱,能够成功整合单细胞和空间转录组数据的分析将有助于理解细胞类型分布的结构以及构成这种结构的细胞间通讯的假定机制。整合scRNA-seq和空间转录组数据有两种主要方法:去卷积(Deconvolution)和映射(Mapping)。去...
(1)首先通过深度学习获取单个细胞的空间位置。 (2)通过一个分层统计模型和后验分布采样把在低分辨率下测量的空间转录组数据分解成单细胞水平的基因表达数据。 (3)最后将生成的单细胞水平基因表达数据分配到第一步获取的单细胞空间位置从而实现单细胞分辨率的空间转录组数据。
cell2location是一种基于分层贝叶斯框架开发的,用于解析空间转录组数据中细粒度细胞类型,并创建不同组织的综合细胞图。 应用场景:1. Spatial location reconstruction for scRNA-seq data(scRNA-seq数据的空间位置重建);2. Spatial decomposition(空间分解)
在空间转录组数据的归一化和聚类之后,总共确定了 11 个不同的细胞亚群。有趣的是,位于肿瘤核心区域的簇 1 表现出向肿瘤外围区域的簇 8 的分化,如轨迹分析中观察到的那样。此外,作者采用 RCTD 方法将注释的细胞类型从单细胞数据向后卷积到空间数据,推断每个空间位置的主要细胞类型。核苷酸代谢评分高的上皮细胞主要...
cell2location是一种基于分层贝叶斯框架开发的,用于解析空间转录组数据中细粒度细胞类型,并创建不同组织的综合细胞图。 应用场景:1. Spatial location reconstruction for scRNA-seq data(scRNA-seq数据的空间位置重建);2. Spatial decomposition(空间分解)
cell2location是一种基于分层贝叶斯框架开发的,用于解析空间转录组数据中细粒度细胞类型,并创建不同组织的综合细胞图。 应用场景:1. Spatial location reconstruction for scRNA-seq data(scRNA-seq数据的空间位置重建);2. Spatial decomposition(空间分解)