CN111676279A - 一种空间转录组构建方法 - Google Patents
一种空间转录组构建方法 Download PDFInfo
- Publication number
- CN111676279A CN111676279A CN202010431068.0A CN202010431068A CN111676279A CN 111676279 A CN111676279 A CN 111676279A CN 202010431068 A CN202010431068 A CN 202010431068A CN 111676279 A CN111676279 A CN 111676279A
- Authority
- CN
- China
- Prior art keywords
- transcriptome
- spatial
- cell
- sequencing
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 27
- 238000013518 transcription Methods 0.000 title claims description 18
- 230000035897 transcription Effects 0.000 title claims description 18
- 210000004027 cell Anatomy 0.000 claims abstract description 157
- 238000012163 sequencing technique Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000005070 sampling Methods 0.000 claims abstract description 29
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 25
- 230000001086 cytosolic effect Effects 0.000 claims description 8
- 108020004999 messenger RNA Proteins 0.000 claims description 8
- 238000012174 single-cell RNA sequencing Methods 0.000 claims description 6
- 210000004748 cultured cell Anatomy 0.000 claims description 3
- 239000012188 paraffin wax Substances 0.000 claims description 3
- 239000000835 fiber Substances 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims description 2
- 239000007788 liquid Substances 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 210000001519 tissue Anatomy 0.000 abstract description 57
- 230000014509 gene expression Effects 0.000 abstract description 50
- 238000005516 engineering process Methods 0.000 abstract description 11
- 210000000805 cytoplasm Anatomy 0.000 abstract description 2
- 108090000623 proteins and genes Proteins 0.000 description 18
- 210000005003 heart tissue Anatomy 0.000 description 9
- 230000000971 hippocampal effect Effects 0.000 description 6
- 238000003559 RNA-seq method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000009827 uniform distribution Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 210000004940 nucleus Anatomy 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002103 transcriptional effect Effects 0.000 description 2
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 1
- 102100035432 Complement factor H Human genes 0.000 description 1
- 101000737574 Homo sapiens Complement factor H Proteins 0.000 description 1
- 101000932202 Homo sapiens Dolichol-phosphate mannosyltransferase subunit 1 Proteins 0.000 description 1
- 101000893745 Homo sapiens Plasma alpha-L-fucosidase Proteins 0.000 description 1
- 101100465339 Mus musculus Prss39 gene Proteins 0.000 description 1
- 108091034117 Oligonucleotide Proteins 0.000 description 1
- 102100040523 Plasma alpha-L-fucosidase Human genes 0.000 description 1
- 101150103187 Reg4 gene Proteins 0.000 description 1
- JLCPHMBAVCMARE-UHFFFAOYSA-N [3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-[[3-[[3-[[3-[[3-[[3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-hydroxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methyl [5-(6-aminopurin-9-yl)-2-(hydroxymethyl)oxolan-3-yl] hydrogen phosphate Polymers Cc1cn(C2CC(OP(O)(=O)OCC3OC(CC3OP(O)(=O)OCC3OC(CC3O)n3cnc4c3nc(N)[nH]c4=O)n3cnc4c3nc(N)[nH]c4=O)C(COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3CO)n3cnc4c(N)ncnc34)n3ccc(N)nc3=O)n3cnc4c(N)ncnc34)n3ccc(N)nc3=O)n3ccc(N)nc3=O)n3ccc(N)nc3=O)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cc(C)c(=O)[nH]c3=O)n3cc(C)c(=O)[nH]c3=O)n3ccc(N)nc3=O)n3cc(C)c(=O)[nH]c3=O)n3cnc4c3nc(N)[nH]c4=O)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)O2)c(=O)[nH]c1=O JLCPHMBAVCMARE-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 210000003855 cell nucleus Anatomy 0.000 description 1
- 230000008614 cellular interaction Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006854 communication Effects 0.000 description 1
- 108091092330 cytoplasmic RNA Proteins 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 210000001320 hippocampus Anatomy 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000008611 intercellular interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000001616 monocyte Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000011222 transcriptome analysis Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6869—Methods for sequencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
- G16B20/30—Detection of binding sites or motifs
Abstract
本发明提出了一种空间转录组构建方法,首先,采用微区采样技术在样品的局部空间位置进行单细胞采样并进行转录组测序;然后,通过单细胞测序方法获得样品每个细胞的转录组信息;最后,根据临近细胞基因表达相似的特点,基于上述局部细胞空间位置的转录组测序数据,以它为参考系,利用转录组信息和空间位置信息的嵌入优化算法,构建样品中所有细胞的空间位置,从而获得整个组织的空间转录组信息;该方法不仅适用细胞质转录组数据,也适用细胞核转录组数据,能有效降低空间转录组的构建成本,本发明空间转录组构建方法可以广泛应用于空间细胞图谱绘制,从而为肿瘤微环境异质性分析、脑空间神经网络图谱构建等研究提供技术支撑。
Description
技术领域
本发明提出一种利用组织样本细胞转录组信息构建单细胞空间位置和单细胞转录谱的方法,所属领域为单细胞空间组学分析领域,可应用于肿瘤微环境、神经网络识别等研究。
背景技术
组织中单细胞的空间位置信息和转录组信息,对于分析癌症微环境,构建神经网络回路等研究至关重要。但是目前单细胞分析方法在获取细胞转录组信息的同时,会丢失细胞的空间位置信息;而且,要求样本必须是新鲜样本,只能测定细胞质RNA分子。开发一种能既适用于细胞质量,也适用于细胞核转录组单细胞转录组分析方法,且同时获得组织中每个细胞的空间位置信息,将极大扩展我们对细胞相互作用、肿瘤微环境、神经回路分析的深度和广度。
有研究者试图通过在进行单细胞测序前,用寡核苷酸(barcode)标记细胞位置的策略,解决此问题。其关键思想是使用“地标基因”的表达信息,假定地标基因的表达在空间依次递增或者递减。通过其它基因表达水平和地标基因表达水平之间的关联,确定细胞的位置将空间坐标分配给测序细胞。此类方法在很大程度上依赖于用于地标基因的信息,不同组织中,地标基因是不同的,而且实验操作相对复杂。
特定组织中,细胞间作用(通讯网络)与细胞的空间位置密切相关,细胞的位置很大程度决定细胞能获得的营养物质、信号分子以及细胞间的物理接触。因此,一些特定基因的表达水平与细胞的位置有关,一般地,相邻细胞的基因表达水平具有一定的相似性。我们称此为临近相似原理。基于此原理,可以利用基因表达水平计算细胞的空间位置。
发明内容
本发明旨在提供一种可以更精确地确定组织中单细胞空间位置和转录组的方法和技术,可复原同一组织类型的细胞群体、细胞位置、基因表达等信息。
本发明涉及一种微区采样技术和一种基于“临近相似原理”的细胞位置分配算法。该方法不仅适用于细胞质基因表达数据,同时适用于细胞核基因表达数据。
本发明提出了基于微区采样确定少量细胞的空间位置作为参考,基于临近相似原理,从单细胞转录组数据,确定每个细胞空间位置的方法。优势在于,有参考位置,结果唯一确定,实验流程简单;可适用的样本范围广泛。本发明将提升单细胞空间组学的研究方法和技术。
本发明提出一种空间转录组构建方法,步骤如下:采用微区采样技术在样品的局部空间位置进行单细胞采样,并对采样细胞进行转录组测序;然后,通过单细胞测序方法获得整个样品中每个细胞的转录组信息;最后,根据临近细胞基因表达相似的特点,基于上述局部细胞空间位置的转录组测序数据,利用转录组信息和空间位置信息的嵌入优化算法,构建样品中所有细胞的空间位置,从而获得整个组织的空间转录组信息。
一种空间转录组构建方法,具体包括以下步骤:
(1)对样品形貌进行成像,确定组织轮廓;
(2)利用微区采样技术对局部区域单细胞进行采样,获取采样细胞的位置信息,并对采集样品进行转录组测序以获得该位置单细胞的转录组信息,并以它们作为位置信息和转录组参考点;
(3)利用单细胞测序技术对整个样品中每个细胞进行单细胞转录组测序,获取整个单细胞转录组信息;
(4)根据临近细胞基因表达相似的特点,以微区采样所获得的单细胞的转录组和位置信息作为参考点,计算样品单细胞测序获得的转录组之间的相似程度、单细胞测序获得的转录组与参考点转录组的相似程度,从而确定样品剩余单细胞与参考点之间的相对位置关系,获得所有细胞的转录组信息与对应的空间位置;
(5)构建样品的空间单细胞转录组信息并输出以及进行可视化展示。
进一步的,所述样品可以是冰冻组织切片、石蜡组织切片,也可以是一块组织,还可以是培养的细胞聚集体。
进一步的,所述步骤(1)对整个组织进行拍照,用线条将组织的轮廓描绘下来并将轮廓里(含轮廓)的位置信息提取出来。
进一步的,所述的微区采样方法可以是激光纤维切割方法(LDM),可以是基于微针的机械采样方法,还可以是基于微流控芯片的微区采样方法;采得的样品进行细胞质mRNA或者单核RNA测序。
进一步的,利用单细胞测序技术对微区采样之后样品的剩余细胞进行单细胞转录组测序,单细胞测序方法可以是基于液滴的单细胞测序方法,可以是基于微孔阵列的单细胞测序方法,可以是基于流式细胞仪分选的单细胞测序方法,还可以是基于微流控芯片的单细胞测序方法;所述的单细胞测序可以是单核RNA测序,也可以是单细胞细胞质mRNA测序。
进一步的,根据临近细胞基因表达相似的原理对基于部分细胞空间位置和所有细胞基因表达水平进行整个样品的空间转录组构建。
进一步的,单细胞空间位置计算过程为:从组织轮廓信息中确定拟分析的细胞总数;构建细胞位置信息和基因表达信息的成本矩阵;以均匀分布初始化细胞位置;基于临近相似原理,基于嵌入优化算法和最优运输算法,得到所有细胞单细胞分辨的空间位置;最后进行结果输出及可视化。
进一步的,构建方法可以对一个样品进行基于微区采样方法和单细胞测序方法相结合的空间转录组构建,也可以将一个样品划分为几个分区,对每个分区进行基于微区采样方法和单细胞测序方法相结合的空间转录组构建,然后再将分区拼装成为整个样品的空间转录组。
本发明技术方案如下:
1. 生物组织形貌轮廓构建
步骤包括:对组织切片拍照,对图像进行二值化处理,将组织图案内部颜色填充完整,形成组织轮廓;获取每个像素点的位置信息,该信息作为构建组织形貌轮廓框架。
2. 微区采样确定少量细胞位置
将采集细胞的位置信息与形貌轮廓框架对应。测定被采样细胞的基因表达数据,并将此基因表达数据作为还原组织的参考点。
3. 单细胞RNA测序
对组织切片上所有细胞进行单细胞RNA测序,获取单细胞转录组数据,数据作为基因表达矩阵,同时记录总的细胞个数和基因总数。识别高变基因。获取高变基因的表达数据。
4. 构建单细胞位置图谱
利用少量细胞的位置信息,以及所有细胞的表达数据,基于临近相似原理,计算所有细胞的位置信息,构建单细胞空间转录组,并可视化。
由于采用了以上技术,本发明较现有技术相比,具有的有益效果如下:
1、本发明采用了单细胞微区采样和单细胞测序,因此可以真正实现单细胞水平的空间转录组测序;
2、本发明没有采用基于原位mRNA捕获的空间转录组测序,因此可以大大降低空间转录组测序的成本和操作复杂度,加快分析速度;
3、本发明适用于细胞质mRNA测序,也适用于单核RNA测序,从而可以适用于不同的样品形式如冰冻组织切片、石蜡组织切片、组织、培养的细胞聚集体等,应用范围广。
附图说明
图1为单细胞空间转录组构建流程图。
图2为成人心脏组织切片照片。
图3为成人心脏组织空间转录组构建结果图,基于成人心脏组织细胞质基因表达数据的单细胞空间转录组图谱;第一行从左到右依次为基因DPM1、CFH和FUCA2的空间表达,第二行从左到右依次为基因WASH9P、AC090498.1和FP565260.6的空间表达,即这些基因在每个细胞中的表达,每个细胞的位置为本发明计算获得的结果。
图4为小鼠海马组织空间转录组构建结果;基于小鼠海马体单核细胞细胞核基因表达数据的单细胞空间转录组图谱,第一行从左到右依次为基因Itm2a、 Sergef和Chil5的单细胞空间表达,第二行从左到右依次为基因4930455C13Rik、Reg4和Prss39的单细胞空间表达。
实施方式
下面结合附图和具体实施方式,进一步阐明本发明。
实施例1
构建成人心脏组织的空间位置图谱。
1.获得成人心脏组织切片图片
确定组织样本,挑选出轮廓清晰的组织样品进行拍照,生成组织切片图片(见图2)。
2.微区采样细胞
从组织切片中的不同区域中采取单个细胞,并对采样细胞进行单细胞RNA测序(即单细胞细胞质mRNA测序),记录采样点的基因表达数据和位置信息。
3.测定成人心脏组织的单细胞表达数据
利用单细胞RNA测序技术(即单细胞细胞质mRNA测序)测定成人心脏组织样本所有细胞的转录组数据,原始数据经过比对,获得每个细胞的所有基因的表达量。
4.数据预处理
表达数据提取原始基因表达数据,导入文件,生成一个二维矩阵,行和列分别代表基因和细胞。计算细胞总数和高变基因,高变基因用于计算细胞位置。
5.获得组织形貌轮廓
对组织切片图片进行二值化处理,截取整个组织轮廓,将轮廓提取放置于白板上,图片大小为800×600。用黑色将其中心填充,将所获取图片导入像素点提取算法,获取每个像素点的位置信息,该信息作为构建组织形貌轮廓。
6.参考系确定
从位置矩阵随机提取总细胞数的点集,点集之间的距离不得低于1微米,作为组织细胞整体框架。再将采样细胞的基因表达数据和位置信息录入,作为重建组织的参考系。
通过临近相似原理计算细胞位置,计算成本矩阵来准备构建细胞位置。首先,计算空间位置信息和基因表达信息上的最短路径矩阵。此步骤需要设定目标最近邻图的邻域数(该实验设定为5)和设置最短路径的阈值。然后,将最短路径矩阵进行归一化处理,得到空间位置信息和基因表达信息的成本矩阵。选择均匀分布作为位置构建起点,这意味着测序的细胞可能以相同的概率起源于每个组织部位。最后,基于临近相似原理构建和最优运输算法生成GW矩阵,GW矩阵是基于Gromov-Wasserstein度量空间之间距离的概念,合并未定距离矩阵或核矩阵的集合而形成的矩阵,这里的GW距离表示2个矩阵之间的差异性。通过该矩阵作用在基因表达矩阵上从而计算出每个细胞的坐标位置。
7.成人心脏组织空间转录组构建结果
图4为成人心脏组织空间转录组结果。将组织按照不同基因表达值从大到小填充颜色得到可视化的空间转录组图谱(见图3)。
实施例2
构建小鼠海马组织空间位置图谱。
1.获得小鼠海马组织切片图片
确定组织样本,挑选出轮廓清晰的组织样品进行拍照,生成组织切片图片。
2.微区采样细胞
从组织切片中的不同区域中采取细胞,并对采样细胞进行单核RNA测序,记录采样点的细胞核基因表达数据和位置信息。
3.测定小鼠海马组织的单细胞核基因表达数据
利用单核RNA测序技术测定小鼠海马组织样本所有细胞的细胞核单细胞转录组数据,原始数据经过比对,获得每个细胞核的所有基因的表达量。
4.数据预处理
表达数据提取原始基因表达数据,导入文件,生成一个二维矩阵,行和列分别代表基因和细胞。计算细胞总数和高变基因,高变基因用于计算细胞位置。
5.获得组织形貌轮廓
对组织切片图片进行二值化处理,截取整个组织轮廓,将轮廓提取放置于白板上,图片大小为800×600。用黑色将其中心填充,将所获取图片导入像素点提取算法,获取每个像素点的位置信息, 该信息作为构建组织形貌轮廓。
6.参考系确定
从位置矩阵随机提取总细胞数的点集,点集之间的距离不得低于1微米,作为组织细胞整体框架。再将采样细胞的基因表达数据和位置信息录入,作为重建组织的参考系。
通过临近相似原理计算细胞位置,计算成本矩阵来准备构建细胞位置。首先,计算空间位置信息和基因表达信息上的最短路径矩阵。此步骤需要设定目标最近邻图的邻域数(该实验设定为5)和设置最短路径的阈值。然后,将最短路径矩阵进行归一化处理,得到空间位置信息和基因表达信息的成本矩阵。选择均匀分布作为位置构建起点,这意味着测序的细胞可能以相同的概率起源于每个组织部位。最后,基于临近相似原理构建和最优运输算法生成GW矩阵,GW矩阵是基于Gromov-Wasserstein度量空间之间距离的概念,合并未定距离矩阵或核矩阵的集合而形成的矩阵,这里的GW距离表示2个矩阵之间的差异性。通过该矩阵作用在基因表达矩阵上从而计算出每个细胞的坐标位置。
7.小鼠组织空间转录组构建结果
图4为小鼠海马组织空间转录组结果。将组织按照不同基因表达值从大到小填充颜色得到可视化的空间转录组图谱(见图4)。
上述实施例仅为本发明的优选技术方案,而不应视为对于本发明的限制,本发明的保护范围应以权利要求记载的技术方案,包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围,即在此范围内的等同替换改进,也在本发明的保护范围之内。
Claims (10)
1.一种空间转录组构建方法,其特征在于,步骤如下:通过微区采样方法对样品的局部空间位置进行单细胞采样,并对采样细胞进行转录组测序;然后,通过单细胞测序方法获得整个样品中每个细胞的转录组信息;最后,以局部细胞空间位置的转录组测序数据作为参考系,通过转录组信息和空间位置信息的嵌入优化算法,构建样品中所有细胞的空间位置,从而获得整个组织的空间转录组信息。
2.根据权利要求1所述的一种空间转录组构建方法,其特征在于,包括以下步骤:
(1)对样品形貌进行成像,确定组织轮廓;
(2)通过微区采样方法对局部区域单细胞进行采样,获取采样细胞的位置信息,并对采集样品进行转录组测序以获得该位置单细胞的转录组信息,并作为位置信息和转录组参考点;
(3)通过单细胞测序方法对整个样品中每个细胞进行单细胞转录组测序,获取整个单细胞转录组信息;
(4)用微区采样方法所获得的单细胞的转录组和位置信息作为参考点,计算样品单细胞测序获得的转录组之间的相似程度、单细胞测序获得的转录组与参考点转录组的相似程度,从而确定样品中剩余单细胞与参考点之间的相对位置关系,获得所有细胞的转录组信息与对应的空间位置;
(5)构建样品的空间单细胞转录组信息并输出,进行可视化展示。
3.根据权利要求2所述的空间转录组构建方法,其特征在于:所述步骤(1)中样品为冰冻组织切片、石蜡组织切片、组织、培养的细胞聚集体中任意一种。
4.根据权利要求2所述的空间转录组构建方法,其特征在于:所述步骤(2)中微区采样方法为激光纤维切割方法、基于微针的机械采样方法、基于微流控芯片的采样方法中的任意一种。
5.根据权利要求4所述的空间转录组构建方法,其特征在于:所述步骤(2)中微区采样方法为对采集的样品进行单细胞细胞质mRNA或单核RNA测序。
6.根据权利要求2所述的空间转录组构建方法,其特征在于:所述步骤(3)中单细胞测序方法为基于液滴的单细胞测序方法、基于微孔阵列的单细胞测序方法、基于流式细胞仪分选的单细胞测序方法、基于微流控芯片的单细胞测序方法中任意一种。
7.根据权利要求6所述的空间转录组构建方法,其特征在于:所述步骤(3)中单细胞测序方法为对单细胞进行单核RNA测序或单细胞细胞质mRNA测序。
8.根据权利要求2所述的空间转录组构建方法,其特征在于:所述步骤(4)中单细胞空间位置计算的步骤如下:从组织轮廓信息中确定拟分析的细胞总数;构建细胞位置信息和转录组信息的成本矩阵,均匀分布初始化细胞位置;通过基于嵌入优化算法和最优运输算法,得到所有细胞单细胞分辨的空间位置;最后进行结果输出及可视化。
9.根据权利要求1或2所述的空间转录组构建方法,其特征在于:所述构建方法的步骤如下:通过微区采样方法和单细胞测序方法对一个样品进行空间转录组构建。
10.根据权利要求1或2所述的空间转录组构建方法,其特征在于:所述构建方法的步骤如下:将一个样品划分为几个分区,通过微区采样方法和单细胞测序方法对每个分区进行空间转录组构建,然后再将分区拼装成为整个样品的空间转录组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010431068.0A CN111676279A (zh) | 2020-05-20 | 2020-05-20 | 一种空间转录组构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010431068.0A CN111676279A (zh) | 2020-05-20 | 2020-05-20 | 一种空间转录组构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111676279A true CN111676279A (zh) | 2020-09-18 |
Family
ID=72452490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010431068.0A Pending CN111676279A (zh) | 2020-05-20 | 2020-05-20 | 一种空间转录组构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111676279A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112143784A (zh) * | 2020-09-29 | 2020-12-29 | 生物岛实验室 | 空间组学测序、单细胞表观转录组学测序及定位标识方法 |
CN112522371A (zh) * | 2020-12-21 | 2021-03-19 | 广州基迪奥生物科技有限公司 | 一种空间转录组测序数据的分析方法 |
CN113322314A (zh) * | 2021-06-04 | 2021-08-31 | 上海交通大学 | 一种新型组织单细胞空间转录组技术 |
CN114574582A (zh) * | 2022-03-21 | 2022-06-03 | 暨南大学 | 一种转录组学标准品及其制备方法 |
WO2023193267A1 (zh) * | 2022-04-08 | 2023-10-12 | 广州国家实验室 | 转录组图像生成装置、方法和应用 |
WO2024000313A1 (zh) * | 2022-06-29 | 2024-01-04 | 深圳华大生命科学研究院 | 基因图像数据校正方法、电子设备和介质 |
CN117393046A (zh) * | 2023-12-11 | 2024-01-12 | 山东大学 | 一种空间转录组测序方法、系统、介质及设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010002213A (ja) * | 2008-06-18 | 2010-01-07 | Tokyo Medical Univ | 生細胞、生細胞内の構造物等の単離及び採取方法 |
CN103045476A (zh) * | 2012-12-31 | 2013-04-17 | 苏州汶颢芯片科技有限公司 | 一种研究细胞间作用的微流控芯片及其制备方法 |
CN107446820A (zh) * | 2017-09-28 | 2017-12-08 | 清华大学 | 基于微流控芯片的单细胞采样与原位检测质谱接口装置 |
US20190204299A1 (en) * | 2018-01-04 | 2019-07-04 | Massachusetts Institute Of Technology | Single-cell genomic methods to generate ex vivo cell systems that recapitulate in vivo biology with improved fidelity |
US20190218276A1 (en) * | 2016-03-21 | 2019-07-18 | The Broad Institute, Inc. | Methods for determining spatial and temporal gene expression dynamics in single cells |
WO2019226631A1 (en) * | 2018-05-21 | 2019-11-28 | The Regents Of The University Of California | Single cell mapping and transcriptome analysis |
CN110724733A (zh) * | 2019-10-30 | 2020-01-24 | 东南大学 | 一种用于高分辨空间转录组测序芯片 |
CN110736639A (zh) * | 2019-12-03 | 2020-01-31 | 江苏瑞明生物科技有限公司 | 单细胞自动取样仪 |
CN110804654A (zh) * | 2019-10-30 | 2020-02-18 | 东南大学 | 一种空间转录组测序方法 |
-
2020
- 2020-05-20 CN CN202010431068.0A patent/CN111676279A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010002213A (ja) * | 2008-06-18 | 2010-01-07 | Tokyo Medical Univ | 生細胞、生細胞内の構造物等の単離及び採取方法 |
CN103045476A (zh) * | 2012-12-31 | 2013-04-17 | 苏州汶颢芯片科技有限公司 | 一种研究细胞间作用的微流控芯片及其制备方法 |
US20190218276A1 (en) * | 2016-03-21 | 2019-07-18 | The Broad Institute, Inc. | Methods for determining spatial and temporal gene expression dynamics in single cells |
CN107446820A (zh) * | 2017-09-28 | 2017-12-08 | 清华大学 | 基于微流控芯片的单细胞采样与原位检测质谱接口装置 |
US20190204299A1 (en) * | 2018-01-04 | 2019-07-04 | Massachusetts Institute Of Technology | Single-cell genomic methods to generate ex vivo cell systems that recapitulate in vivo biology with improved fidelity |
WO2019226631A1 (en) * | 2018-05-21 | 2019-11-28 | The Regents Of The University Of California | Single cell mapping and transcriptome analysis |
CN110724733A (zh) * | 2019-10-30 | 2020-01-24 | 东南大学 | 一种用于高分辨空间转录组测序芯片 |
CN110804654A (zh) * | 2019-10-30 | 2020-02-18 | 东南大学 | 一种空间转录组测序方法 |
CN110736639A (zh) * | 2019-12-03 | 2020-01-31 | 江苏瑞明生物科技有限公司 | 单细胞自动取样仪 |
Non-Patent Citations (7)
Title |
---|
ANNA K. CASASENT等: "Multiclonal Invasion in Breast Tumors Identified by Topographic Single Cell Sequencing", 《CELL》 * |
HIE B等: "Efficient integration of heterogeneous single-cell transcriptomes using Scanorama", 《NAT BIOTECHNOL》 * |
周超平等: "单细胞转录组研究进展", 《生物化学与生物物理进展》 * |
李羽翡等: "单细胞分析技术的发展及应用", 《生命的化学》 * |
董燕等: "单细胞测序技术研究进展", 《化学工业与工程》 * |
赵敏蝶等: "scRNA-seq技术及其在动物研究中的应用与进展", 《野生动物学报》 * |
郑明霞等: "单细胞测序研究进展及其在口腔医学中的应用", 《口腔医学》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112143784A (zh) * | 2020-09-29 | 2020-12-29 | 生物岛实验室 | 空间组学测序、单细胞表观转录组学测序及定位标识方法 |
CN112522371A (zh) * | 2020-12-21 | 2021-03-19 | 广州基迪奥生物科技有限公司 | 一种空间转录组测序数据的分析方法 |
CN113322314A (zh) * | 2021-06-04 | 2021-08-31 | 上海交通大学 | 一种新型组织单细胞空间转录组技术 |
CN114574582A (zh) * | 2022-03-21 | 2022-06-03 | 暨南大学 | 一种转录组学标准品及其制备方法 |
WO2023193267A1 (zh) * | 2022-04-08 | 2023-10-12 | 广州国家实验室 | 转录组图像生成装置、方法和应用 |
WO2024000313A1 (zh) * | 2022-06-29 | 2024-01-04 | 深圳华大生命科学研究院 | 基因图像数据校正方法、电子设备和介质 |
CN117393046A (zh) * | 2023-12-11 | 2024-01-12 | 山东大学 | 一种空间转录组测序方法、系统、介质及设备 |
CN117393046B (zh) * | 2023-12-11 | 2024-03-19 | 山东大学 | 一种空间转录组测序方法、系统、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111676279A (zh) | 一种空间转录组构建方法 | |
US11756286B2 (en) | Systems and methods for identifying morphological patterns in tissue samplers | |
US11376441B2 (en) | Systems and methods for finding regions of in interest in hematoxylin and eosin (HandE) stained tissue images and quantifying intratumor cellular spatial heterogeneity in multiplexed/hyperplexed fluorescence tissue | |
CN110472616B (zh) | 图像识别方法、装置、计算机设备及存储介质 | |
CN110533583B (zh) | 一种基于宫颈液基细胞的自适应图像增广系统 | |
Duan et al. | Image partitioning into convex polygons | |
CN110633651B (zh) | 一种基于图像拼接的异常细胞自动识别方法 | |
CN115546605A (zh) | 一种基于图像标注和分割模型的训练方法及装置 | |
US20230238078A1 (en) | Systems and methods for machine learning biological samples to optimize permeabilization | |
CN111047559B (zh) | 一种数字病理切片异常区域快速检测的方法 | |
US20180089495A1 (en) | Method for scoring pathology images using spatial analysis of tissues | |
Yao et al. | Scaffold-A549: A benchmark 3D fluorescence image dataset for unsupervised nuclei segmentation | |
CN112508860B (zh) | 一种免疫组化图像核阳性的人工智能判读方法及系统 | |
CN114155249A (zh) | 一种基于深度矢量场回归的三维细胞图像实例分割方法 | |
Yuan et al. | Self-organizing maps for cellular in silico staining and cell substate classification | |
CN116091524B (zh) | 一种针对复杂背景中目标的检测与分割方法 | |
Ahmad et al. | A study on microarray image gridding techniques for DNA analysis | |
CN110473212A (zh) | 一种融合显著性和超像素的电镜硅藻图像分割方法及装置 | |
CN115908363A (zh) | 肿瘤细胞统计方法、装置、设备和存储介质 | |
CN113689950B (zh) | 肝癌ihc染色图的血管分布模式的识别方法、系统和存储介质 | |
Pedersen | Analysis of two-dimensional electrophoresis gel images | |
CN114496099A (zh) | 细胞功能注释方法、装置、设备及介质 | |
Tafavogh et al. | Segmenting neuroblastoma tumor images and splitting overlapping cells using shortest paths between cell contour convex regions | |
Machireddy et al. | Robust segmentation of cellular ultrastructure on sparsely labeled 3d electron microscopy images using deep learning | |
CN111753835A (zh) | 基于局部图匹配和卷积神经网络的细胞追踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200918 |