MD Anderson团队开发新的空间转录组学方法，以单细胞分辨率构建空间细胞图谱MD Anderson团队开发新的空间转录组学方法，以单细胞分辨率构建空间细胞图谱

近日，MD安德森癌症中心的科学家们开发了一种计算方法——CellTrek，该方法结合单细胞RNA-seq（scRNA-seq）和空间转录组学（ST）数据，以单细胞分辨率构建空间细胞图谱。

与当前常用计算方法空间反卷积技术(deconvolution)相比，CellTrek能够直接将单个细胞映射到物理位置，优于空间反卷积技术所能映射的小区域。

目前，该研究团队正通过在工作流程中加入图像识别和深度学习的方法来增强CellTrek的性能，同时与病理学家合作开展CellTrek的临床应用。

该研究的通讯作者Nicholas Navin在接受采访时表示：“很多病理学家都对CellTrek感兴趣，该工具有助于他们通过更多的定量数据映射来改善对肿瘤组织的定性分析。”

研究人员上周在《Nature Biotechnology》杂志上发表了一篇关于CellTrek的原理验证论文。

Navin指出：“CellTrek是一个开源工具，其本身不太可能被商业化，但预计我们会与有兴趣将CellTrek加入商业工作流程的公司合作。”

CellTrek比较了单个细胞之间的转录相似性，可以解释细胞类型之间的明显差异以及同类细胞之间的微妙变化。

与其他空间反卷积技术相比，CellTrek提供了更高的视觉映射分辨率。

该研究的作者之一Runmin Wei表示：“通常，人们会首先尝试定义细胞类型，并在此基础上尝试将每个ST点反卷积为不同细胞类型的比例。”

然而，在一个给定的细胞类型中可能存在由连续变量表达的不同细胞状态，因此，基于细胞类型的反卷积方法并不容易区分。

Navin解释道：“通过CellTrek，可以绘制许多中间状态的轨迹，甚至可以绘制一个连续的表型，如内皮向间质过渡的数量或侵入性特征。因此，我们可以把它看作是真正能够绘制细胞状态的工具。”

Navin和他的同事使用模拟和原位杂交数据测试验证了 CellTrek 的准确性和稳定性，然后通过该方法重建了小鼠大脑和肾脏组织细胞的空间分布特征，并在两个乳腺导管原位癌（DCIS）的组织样本上揭示了肿瘤亚克隆结构的空间异质性和肿瘤免疫微环境。

CellTrek可靠地重构了细胞空间分布，并从小鼠大脑和肾组织的公开scRNA-seq和ST数据中确定了细胞亚型，这些ST数据来自10x Genomics的Visium和Slide-seq v.2（Broad研究所开发的一个开源平台）。 除了重建空间分布外，CellTrek还发现了其他反卷积方法更有可能遗漏的微妙的基因表达模式，能够区分同一细胞类型内的细微基因表达差异，捕获它们在样本中的空间异质性信息。

随后，MD安德森团队将他们的技术应用于DCIS乳腺癌样本，使用10x Genomics公司的3'scRNA-seq和Visium建立测序和ST数据集。在对来自单个 DCIS 样本的 6,800 个单细胞和 1,500 个ST区域进行分析时，研究小组观察到不同的肿瘤细胞亚群在肿瘤的特定区域内以独特的空间模式进化。

研究小组对另外一个 DCIS 样本采用CellTrek分析重建了肿瘤组织的空间免疫微环境，包括了三级淋巴结构（Tertiary lymphoid structure，TLS）和T细胞耗竭（T-cell exhasution）。随后，研究小组采用RNAScope，在更多的DCIS样本中进一步验证了这些发现。

“我们希望CellTrek能被更多地使用，以帮助到更多研究人员，”Navin说，“而CellTrek也将影响生物学和生物医学的各种领域。”