空间转录组数据解析方法系统总结

作者，Evil Genius

本周开始，我们要开始上空间转录组的系列课程了。

空转可以在单细胞、多细胞或亚细胞分辨率上进行转录组分析，同时保留复杂组织中细胞的几何定位信息。

复杂组织不仅在细胞类型和亚型方面表现出异质性，而且在细胞网络内细胞的空间排列方面也表现出异质性。

单细胞空间背景的完全消除阻碍了对原生组织微环境中细胞内分子剖面和细胞空间组织景观之间双向影响的研究。

空间转录组学是揭示各种疾病(如癌症)的空间基础的有力工具。肿瘤的异质性不仅表现在不同细胞群的不同特征上，也表现在免疫细胞与肿瘤细胞之间的局部浓度和相互作用上，这些都是在空间转录组景观中编码的。因此，对肿瘤空间转录组学数据的研究提供了对驱动恶性肿瘤的不同细胞参与者的重要见解。

空间转录组学数据的预处理

图像处理步骤是必不可少的，包括图像校正，拼接，配准和分割。

与传统方法相比，深度学习方法在医学图像配准方面已经证明了无与伦比的能力

空间基因表达变异的解析

从空间转录组学数据中识别空间差异基因(SVGs)是一项典型的任务，它揭示了异质组织中不同的功能区域。

细胞-细胞相互作用的分析

相邻的细胞比随机选择的彼此距离较远的细胞更有可能参与某些类型的相互作用。

特征几何区域的识别

复杂组织是异质性的，由不同分子和细胞特征定义的不同特征区域组成。这些特征区域可能包含相似或不同类型的细胞。它们表现出特定的基因表达模式或与细胞组装、组织形成和生理功能密切相关的多种分子特征的关联。基于空间聚类识别复杂组织中的特征区域是对空间转录组数据的关键分析，它有助于描述组织内的空间组织和功能结构，使研究人员能够识别空间上连贯的细胞群及其空间关系。

空间解卷积

对于许多空间转录组学数据，转录组分析的空间点可能跨越多个细胞，因为它们的尺寸通常大于单个细胞。为了解决这一挑战，利用空间反卷积算法来推断每个捕获位置内不同细胞类型的相对比例。这一过程大大有助于提高细胞亚群鉴定的精度和组织图谱的准确性。

空间数据整合

序列切片的对齐和整合对于描述组织的真正组织是必不可少的。

我们的课程，就从空间转录组整合分析开始

生活很好，有你更好