自單細胞測序技術(shù)橫空出世以來，由于其可以將測序縮小到單個細胞的單位內(nèi)進行，對于更加全面精確地了解生物基因表達情況具有重要意義。但是，由于單細胞測序本身的技術(shù)特點，盡管我們可以得到單個細胞的表達信息，但是細胞在原本組織內(nèi)的空間位置信息是完全丟失的，這些信息在理解細胞微環(huán)境或細胞間互作時同樣關(guān)鍵。

為了解決這個問題，空間轉(zhuǎn)錄組技術(shù)出現(xiàn)了，這項技術(shù)可以在組織原位上以接近單個細胞大小的尺度來進行轉(zhuǎn)錄組測序，但因為技術(shù)限制以及生物組織本身的復(fù)雜性，空間轉(zhuǎn)錄組還不能精確提供單個細胞尺度上的轉(zhuǎn)錄組信息。

單細胞測序技術(shù)具有單個細胞的精度，空間轉(zhuǎn)錄組提供了組織原位的信息，因此將兩者結(jié)合起來就能近似得到完整的信息。目前已經(jīng)有許多分析工具試圖將空間信息與單細胞信息整合起來，并且取得了一定的進展。本文將介紹的CellTrek就是其中之一。

目前常用的整合算法有許多，例如去卷積，通過推斷spot內(nèi)的細胞組成來將兩者整合在一起。而CellTrek則另辟蹊徑，通過直接推斷單細胞的空間坐標來實現(xiàn)信息的補全。Cell Trek的計算原理可見下圖。簡單來說，該方法首先將單細胞數(shù)據(jù)與空間轉(zhuǎn)錄組數(shù)據(jù)整合，共嵌入到（coembed）共同的隱空間內(nèi)，然后從中抽出空間轉(zhuǎn)錄組的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集，使用隨機森林模型（Random Forests，RF）從spot的基因表達情況預(yù)測其空間坐標。這里所依據(jù)的基本思路就是，細胞在組織中的分布并不是隨機混亂的，同一類細胞大多都是集中于同一片區(qū)域。

空間轉(zhuǎn)錄組的數(shù)據(jù)還會同時進行非線性插值增強其空間分辨率。然后，將整個共嵌入矩陣輸入訓(xùn)練好的模型，生成一個衡量單細胞與空間spot之間表達相似性的RF距離矩陣，基于這個矩陣使用相互最近鄰域算法（mutual nearest neighbors，MNN）生成一個spot-細胞稀疏圖，最后根據(jù)細胞在稀疏圖上的相鄰spot推斷出細胞的空間坐標。因為相同類型的細胞擁有較為相似的基因表達，所以基于空間轉(zhuǎn)錄組數(shù)據(jù)訓(xùn)練的模型可以用來預(yù)測細胞的位置坐標。

01

這一算法的優(yōu)勢在于將細胞直接定位到組織切片照片上，而不是像去卷積類方法那樣計算每個spot內(nèi)的細胞類型比例。直接定位帶來的另一個好處就是在接下來的數(shù)據(jù)分析中可操作性大大提高了，像去卷積類方法得到的細胞比例矩陣我們很難再對其進行什么操作，但是我們可以對CellTrek 整合后的結(jié)果進行細胞共定位分析、基因空間權(quán)重共表達分析等等，因為他本質(zhì)仍然是單細胞數(shù)據(jù)，只是附帶上了空間坐標。

以小鼠大腦皮層的空轉(zhuǎn)數(shù)據(jù)與單細胞數(shù)據(jù)為例，我們最后得到的結(jié)果會是這樣的?？梢钥吹讲煌愋偷募毎诳臻g上呈現(xiàn)出明顯的層狀分布，這符合大腦皮層的結(jié)構(gòu)特征，并且不同的細胞類型出現(xiàn)在了它們應(yīng)該出現(xiàn)的皮層位置。 02



內(nèi)測數(shù)據(jù)結(jié)果

CellTrek的缺點在于，第一，對計算資源的需求比較大，當(dāng)單細胞數(shù)據(jù)量較大時會花費比較長的時間；第二，對于空轉(zhuǎn)數(shù)據(jù)與單細胞數(shù)據(jù)的匹配度要求比較高，也就是說空轉(zhuǎn)數(shù)據(jù)與單細胞數(shù)據(jù)最好取自同一塊組織區(qū)域，不要出現(xiàn)無法匹配的空間區(qū)域或細胞類型，否則最終結(jié)果會非常混亂，如下圖。

03

內(nèi)測數(shù)據(jù)結(jié)果

總而言之，CellTrek提供了一條不同于當(dāng)下其他單細胞-空轉(zhuǎn)整合分析方法的道路，結(jié)果更加接近生物組織中的實際情況，并為整合后的下游分析提供了便利。

審核編輯：劉清