高分辨率空間轉(zhuǎn)錄組學(xué)是一種新興的技術(shù)，可以在單細(xì)胞水平上測(cè)量基因表達(dá)。然而，由于細(xì)胞的形態(tài)和位置信息丟失，傳統(tǒng)的轉(zhuǎn)錄組學(xué)方法無(wú)法對(duì)空間轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行有效的分析。
(相關(guān)資料圖)
來(lái)自卡內(nèi)基梅隆大學(xué)的研究團(tuán)隊(duì)開(kāi)發(fā)了一種名為SCS的新方法，利用深度學(xué)習(xí)和圖像處理技術(shù)，從高分辨率空間轉(zhuǎn)錄組圖像中分割出單個(gè)細(xì)胞，并為每個(gè)細(xì)胞分配一個(gè)唯一的標(biāo)識(shí)符。SCS不僅可以提高細(xì)胞分割的準(zhǔn)確性和效率，而且可以為后續(xù)的空間轉(zhuǎn)錄組數(shù)據(jù)挖掘和生物學(xué)發(fā)現(xiàn)提供有價(jià)值的信息。該文章于2023年7月在Nature Methods發(fā)表，以下是文章的詳細(xì)解讀。
文章題目：SCS: cell segmentation for high-resolution spatial transcriptomics
發(fā)表時(shí)間：2023-07-10
發(fā)表期刊：Nature Methods
主要研究團(tuán)隊(duì)：卡內(nèi)基梅隆大學(xué)
影響因子：
DOI：/s41592-023-01939-3
研究背景
空間轉(zhuǎn)錄組是一種新興的技術(shù)，可以同時(shí)測(cè)量單個(gè)細(xì)胞的基因表達(dá)和空間位置。這種技術(shù)可以揭示細(xì)胞之間的相互作用和功能，以及組織和器官的結(jié)構(gòu)和功能。然而，空間轉(zhuǎn)錄組學(xué)的分析面臨著一些挑戰(zhàn)，如細(xì)胞分割、基因定位和空間模式識(shí)別，如何將每個(gè)spot和具體的單個(gè)細(xì)胞對(duì)應(yīng)起來(lái)是一個(gè)有挑戰(zhàn)的問(wèn)題。
迄今為止開(kāi)發(fā)的大多數(shù)標(biāo)準(zhǔn)細(xì)胞分割方法都依賴于細(xì)胞核或膜應(yīng)變來(lái)識(shí)別細(xì)胞邊界。這些方法雖然成功，但沒(méi)有充分利用空間轉(zhuǎn)錄組數(shù)據(jù)提供的信息，導(dǎo)致結(jié)果不太準(zhǔn)確。此外，其中大多數(shù)需要手動(dòng)注釋來(lái)進(jìn)行模型訓(xùn)練，而在分析新組織時(shí)通常不容易獲得足夠數(shù)量的注釋。
研究結(jié)果
1. SCS:高分辨率空間轉(zhuǎn)錄組學(xué)的細(xì)胞分割
SCS主要分為以下三步：
①?首先通過(guò)分割染色圖像來(lái)識(shí)別細(xì)胞核（圖2a紅色）內(nèi)的spot。
②接下來(lái)在這些點(diǎn)和一些背景點(diǎn)上訓(xùn)練transformer，以預(yù)測(cè)從每個(gè)點(diǎn)到其所屬細(xì)胞中心的梯度方向，以及它是細(xì)胞一部分或細(xì)胞外基質(zhì)的一部分的概率。Transformer針對(duì)每個(gè)輸入點(diǎn)預(yù)測(cè)16個(gè)預(yù)定義方向從該點(diǎn)到其細(xì)胞中心的概率以及該點(diǎn)是細(xì)胞一部分的概率。對(duì)于每個(gè)點(diǎn)，Transformer通過(guò)基于點(diǎn)表達(dá)式 (x) 和相對(duì)位置 (s)?自適應(yīng)學(xué)習(xí)權(quán)重，聚合來(lái)自其 50 個(gè)最近相鄰點(diǎn)的信息。
③?然后將transformer應(yīng)用于所有其他點(diǎn)。用梯度流跟蹤算法根據(jù)梯度預(yù)測(cè)對(duì)點(diǎn)進(jìn)行分組來(lái)分割細(xì)胞。?
2. SCS提供了準(zhǔn)確的細(xì)胞分割
第一個(gè)應(yīng)用是Stereo-seq數(shù)據(jù)，研究人員將SCS與 Watershed細(xì)胞分割以及其他基于深度學(xué)習(xí)的流行分割方法（包括 Cellpose、DeepCell和 StarDist）進(jìn)行了比較，比較兩種方法（SCS 和另一種方法）一致的區(qū)域和不一致的區(qū)域的表達(dá)。具體來(lái)說(shuō)，對(duì)于每個(gè)細(xì)胞核，使用每種方法的分割來(lái)識(shí)別細(xì)胞掩模，然后計(jì)算該核的兩個(gè)細(xì)胞掩模之間的交叉區(qū)域和差異區(qū)域。
接下來(lái)研究人員估計(jì)了交叉區(qū)域和每個(gè)差異區(qū)域之間表達(dá)譜的相關(guān)性。由于交叉區(qū)域通常由細(xì)胞核主導(dǎo)，所有方法都很容易檢測(cè)到它（更容易染色），因此將其視為基本事實(shí)，并將非交叉區(qū)域與交叉區(qū)域進(jìn)行比較。差異區(qū)域與相交區(qū)域的相關(guān)性越高，該方法的分割就越準(zhǔn)確。
結(jié)果顯示，在Stereo-seq數(shù)據(jù)集上，SCS分割的平均相關(guān)性比Watershed的平均相關(guān)性高24%，并且比所有其他深度學(xué)習(xí)分割方法的平均相關(guān)性高至少13%，展示出了很好的細(xì)胞分割性能。此外，當(dāng)染色圖像中兩個(gè)細(xì)胞的邊界不清楚時(shí)，基于圖像的方法傾向于將它們合并，而SCS可以借助轉(zhuǎn)錄組數(shù)據(jù)對(duì)它們進(jìn)行分割，作者證實(shí)了SCS可以幫助從細(xì)胞尺寸較小的細(xì)胞類型中恢復(fù)細(xì)胞。
3. SCS幫助進(jìn)行亞細(xì)胞水平的分析
高分辨率方法的使用為表征單個(gè)細(xì)胞內(nèi)的分子異質(zhì)性打開(kāi)了大門(mén)，這對(duì)于研究RNA動(dòng)力學(xué)和充分了解組織中的細(xì)胞變異性非常重要。研究人員使用SCS來(lái)研究RNA在細(xì)胞內(nèi)的分布情況，具體來(lái)說(shuō)，將每個(gè)細(xì)胞分為兩個(gè)區(qū)域，細(xì)胞核區(qū)域（使用染色圖像數(shù)據(jù)識(shí)別）和細(xì)胞質(zhì)區(qū)域（通過(guò)SCS識(shí)別的細(xì)胞掩模的其余部分），使用t-test鑒定了RNA在兩組區(qū)域之間差異定位的基因，實(shí)驗(yàn)證明駐留在細(xì)胞核或細(xì)胞質(zhì)中的RNA在我們識(shí)別的相應(yīng)區(qū)域的 RNA 中顯著富集。
例如，Kcnq1ot1基因的lncRNA是一種核轉(zhuǎn)錄物，可與染色質(zhì)相互作用并調(diào)節(jié)多個(gè)基因的轉(zhuǎn)錄，Neat1基因的lncRNA是眾所周知的核轉(zhuǎn)錄本，構(gòu)成細(xì)胞核中細(xì)胞器的核心組成部分。在SCS分割中，兩種RNA均被鑒定為差異定位于細(xì)胞核。相比之下，Rab3a基因和Vamp2基因都編碼參與神經(jīng)遞質(zhì)釋放并與細(xì)胞質(zhì)囊泡相關(guān)的蛋白質(zhì)，在SCS分割的細(xì)胞質(zhì)區(qū)域中發(fā)現(xiàn)它們都具有高表達(dá)水平。
評(píng) 論
SCS在高分辨率空間轉(zhuǎn)錄組學(xué)中結(jié)合圖像與數(shù)據(jù)，采用Transformer模型和梯度流追蹤算法，實(shí)現(xiàn)準(zhǔn)確的細(xì)胞分割。在兩個(gè)實(shí)驗(yàn)中，分別對(duì)小鼠腦組織和小鼠肝臟組織進(jìn)行了驗(yàn)證。對(duì)比傳統(tǒng)方法和深度學(xué)習(xí)方法，結(jié)果表明SCS在分割準(zhǔn)確性、細(xì)胞數(shù)量和細(xì)胞尺寸等方面具有優(yōu)勢(shì)。SCS為高質(zhì)量的細(xì)胞分割提供了新的方法，并在實(shí)驗(yàn)中取得了良好的結(jié)果。
本文轉(zhuǎn)載自：雨話生信 ，作者Lyric
關(guān)鍵詞：
