空間轉(zhuǎn)錄組 技術(shù)的出現(xiàn)，使研究人員了解不同轉(zhuǎn)錄本的空間位置信息。但是，目前的技術(shù)還達(dá)不到單細(xì)胞的分辨率水平。也就是說，探針在特定位置捕獲到的轉(zhuǎn)錄組是來源于多個細(xì)胞的，而且這些細(xì)胞可能來自一組異質(zhì)性的細(xì)胞，而并非同一類型的。因此，在組織任何位檢測到的基因表達(dá)譜都可以被認(rèn)為是來自多個不同細(xì)胞（相同類型細(xì)胞或不同類型細(xì)胞）來源的轉(zhuǎn)錄本的混合物。這也就意味著，即使轉(zhuǎn)錄產(chǎn)物的空間位置信息可以完全繪制成圖表，但是產(chǎn)生這種轉(zhuǎn)錄的細(xì)胞的類型和空間分布仍然很大程度上是未知的。

如上所述，空間轉(zhuǎn)錄組學(xué)技術(shù)面臨著一個困境，即知道轉(zhuǎn)錄本的位置，但不知道是哪個細(xì)胞產(chǎn)生了它們。相反，單細(xì)胞 RNA 測序可以將每個轉(zhuǎn)錄本與單個細(xì)胞聯(lián)系起來，但是關(guān)于這些轉(zhuǎn)錄本在組織中的位置的信息丟失了。鑒于這種互補(bǔ)的優(yōu)勢和劣勢，結(jié)合兩種技術(shù)的數(shù)據(jù)來描繪細(xì)胞類型群體的空間信息是很好的選擇。

先前研究已經(jīng)報道了，基于 bulk RNA-seq 數(shù)據(jù)來鑒定細(xì)胞類型的方法。發(fā)表在 nature biotechnology 上的一篇關(guān)于胰腺導(dǎo)管癌的單細(xì)胞和空間轉(zhuǎn)錄組的研究，基于 MIA（Multimodal intersection analysis）的算法也可以將細(xì)胞類型與空間位置對應(yīng)起來。這種分析首先通過描述細(xì)胞類型特異性基因和組織區(qū)域特異性基因，然后確定它們的重疊是比偶然預(yù)期的高（富集）還是低（缺失）。在 scRNAseq 數(shù)據(jù)中，定義基因集的方法是，在每個細(xì)胞類型中，在標(biāo)注到該細(xì)胞類型的細(xì)胞中，與其他細(xì)胞的表達(dá)量相比，其表達(dá)量在統(tǒng)計學(xué)上更高（P<10e?5)。對于 ST 數(shù)據(jù)，確定了每個空間區(qū)域相對于其他區(qū)域表達(dá)顯著更高的基因（P<0.01，雙尾  student t 檢驗）。通過 scRNA-seq 和 ST 提取的基因集，MIA 接下來計算每對細(xì)胞類型特異性和區(qū)域特異性基因集之間的重疊，并執(zhí)行超幾何測試來評估顯著富集或缺失。[1]

今年，發(fā)表在 COMMUNICATIONS BIOLOGY 雜志上的一篇文章提出了一種新的替代的基于模型的方法來整合單細(xì)胞 RNA 測序和空間轉(zhuǎn)錄組測序數(shù)據(jù)，它利用完整的表達(dá)譜而不是精選的一組標(biāo)記基因。使用這種方法，研究人員對來自小鼠大腦和發(fā)育心臟的單細(xì)胞數(shù)據(jù)中的細(xì)胞類型空間映射到相應(yīng)的組織切片上。并證實該方法優(yōu)于其他方法 [2]。

在未來，單細(xì)胞測序聯(lián)合空間轉(zhuǎn)錄組測序會是全面解析樣本中細(xì)胞類型和空間位置信息的新方法，也是突破已知，探索未知的新技術(shù)領(lǐng)域。

參考文獻(xiàn)：

【1】Moncada, R., Barkley, D., Wagner, F. et al. Integrating microarray-based spatial transcriptomics and single-cell RNA-seq reveals tissue architecture in pancreatic ductal adenocarcinomas. Nat Biotechnol (2020) doi:10.1038/s41587-019-0392-8.

【2】Alma Andersson1, Joseph Bergenstr?hle1 et al. Single-cell and spatial transcriptomics enables probabilistic inference of cell type topography. COMMUNICATIONS BIOLOGY (2020) doi.org/10.1038/s42003-020-01247-y.

更多伯豪生物人工服務(wù)：