追熱點，好嗎？當(dāng)然好，只要有足夠的基金，熱點還是比較容易發(fā)大文章的，但是需要注意，測序前還是應(yīng)該有合理，目的明確的課題設(shè)計！（目前空間轉(zhuǎn)錄組測序就一個字貴!貴!貴!）
Nature Methods 將空間轉(zhuǎn)錄組?評選為2020年度技術(shù)，注定了空間轉(zhuǎn)錄組會成為未來幾年的研究熱點。
空間轉(zhuǎn)錄組，顧名思義包含了細胞的空間信息和細胞的轉(zhuǎn)錄表達信息。相比單純的單細胞轉(zhuǎn)錄組測序，空間轉(zhuǎn)錄組保留了組織中細胞的位置信息，利于分析不同區(qū)域的細胞構(gòu)成，以及識別不同區(qū)域的差異基因。但是技術(shù)受限，目前空間轉(zhuǎn)錄組很難達到單細胞水平，往往一個spot中包含了1-10個細胞，這就會導(dǎo)致每個spot嚴(yán)格來說是一個小的bulk測序，如果spot包含多個不同細胞類型的細胞，導(dǎo)致spot基因表達特征會丟失。
如圖提供了10X 空轉(zhuǎn)測序方案，我們可以看到一張 slide 有 4 個捕獲區(qū)域，也就是說可以處理 4 張冷凍切片，每個捕獲區(qū)域包含了5000個spots，因此我們每張切片最多獲得不超過5000個spots的基因表達信息。
空間轉(zhuǎn)錄組分析，我們可以把每個spots 當(dāng)作一個細胞，這樣，單細胞轉(zhuǎn)錄組數(shù)據(jù)分析流程就可以直接用于空間轉(zhuǎn)錄組分析。通過對空間轉(zhuǎn)錄組數(shù)據(jù)進行降維聚類，我們可以把spots分為不同的簇，分類結(jié)果映射到冷凍切片上，我們可以直觀看到切片的區(qū)域信息。
Seurat提供了10X空間轉(zhuǎn)錄組分析流程（https://satijalab.org/seurat/articles/spatial_vignette.html）。具體的組織切片區(qū)域識別可參考艾倫大腦圖集ABA(在大腦單細胞， 空間轉(zhuǎn)錄組研究中的應(yīng)用)(http://www.lxweimin.com/p/5d087fffeb35)
這兒，我們可以明顯的看到，spots主要是以區(qū)域進行分類，而組織包含的細胞類型信息無法獲得的。
這也是為何我們在空間轉(zhuǎn)錄組中需要單細胞轉(zhuǎn)錄組的原因。
單細胞轉(zhuǎn)錄組可以精確的提供組織的細胞類型信息，這可以為判斷空間轉(zhuǎn)錄組的細胞類型提供參照。目前很多算法出現(xiàn)（如MIA),可以根據(jù)單細胞提供的細胞類別信息，判斷每個spot最可能的細胞類型。
例如，通過結(jié)合單細胞cortex的單細胞轉(zhuǎn)錄組數(shù)據(jù)集，使用seurat提供的‘a(chǎn)nchor’-based 方法，我們可以把單細胞細胞類別標(biāo)簽映射到空間切片spots上。如圖 Fig 4，大腦皮層最外層L1最可能是Astro細胞，第L2/L3層是單細胞識別到的L2/3 IT細胞。
因此，我們可以為每個區(qū)域的每個spot打上細胞類別標(biāo)簽。反之，我們可以發(fā)現(xiàn)單細胞數(shù)據(jù)中的細胞來源于組織的具體哪個區(qū)域。這將為研究細胞分化，細胞通訊提供最直觀的信息。
總之，我認(rèn)為空間轉(zhuǎn)錄組提供的空間信息，可以為單細胞轉(zhuǎn)錄組中細胞的來源空間位置提供空間參照，而單細胞轉(zhuǎn)錄組細胞類別信息可以解決空間轉(zhuǎn)錄組不是單細胞精度的問題。兩種技術(shù)結(jié)合分析，將獲得更多可靠，有意義的結(jié)果。
目前，一些文章也使用了這兩種前沿技術(shù)綜合分析?！禖ell》上發(fā)表的《Multimodal Analysis of Composition and Spatial Architecture in Human Squamous Cell Carcinoma》，使用了10x Genomics單細胞轉(zhuǎn)錄組測序和Visium空間基因表達解決方案，分析了cSCC腫瘤和基質(zhì)細胞亞群，它們相互作用的空間微環(huán)境，以及它們參與的癌癥通訊基因網(wǎng)絡(luò)。（內(nèi)容可查看文章https://www.sciencedirect.com/science/article/pii/S0092867420306723）
如圖Fig 5，首先測序了10個皮膚鱗癌病人的樣本，和對應(yīng)的正常樣本；然后用單細胞RNA-seq方法對單個細胞的RNA進行分析；接著用空間轉(zhuǎn)錄組方法，對組織的空間表達模式進行分析；最后用MIBI，也就是多重離子束成像進行分析，也就是對選定的蛋白質(zhì)做空間表達分析。
