Application of spatial transcriptomics across organoids: a high-resolution spatial whole-transcriptome benchmarking dataset

Deze studie presenteert het eerste systematische profiel van diverse stamcel-organoiden met behulp van de subcellulaire ruimtelijke transcriptomics-technologie Stereo-seq, inclusief optimalisatie van de methode en een nieuw analysekader voor regionale karakterisering.

De kern

Titel: De Ruimtelijke Kaart van Organen in een Blikje: Een Reis door de Wereld van Organoïden

Stel je voor dat je een stad wilt bouwen, maar dan in een flesje. Wetenschappers doen precies dat: ze maken organoïden. Dit zijn mini-versies van onze organen (zoals een hartje, een hersentje of een nieren), gemaakt van stamcellen. Ze hopen dat deze mini-organen kunnen helpen om ziektes te bestuderen of medicijnen te testen, zonder dat we mensen hoeven te pijnigen.

Maar er is een groot probleem: hoe weten we of deze mini-organen er echt uitzien en werken zoals een echt orgaan in een mens?

In dit onderzoek hebben wetenschappers een nieuwe manier gevonden om deze mini-steden te bekijken, met een techniek die Stereo-seq heet. Laten we dit uitleggen met een paar leuke vergelijkingen.

1. De Camera die Alles Ziet (Spatial Transcriptomics)

Stel je voor dat je een foto maakt van een drukke markt. Normaal gesproken zie je alleen de mensen en hun kleding. Maar wat als je een magische camera had die niet alleen de mensen ziet, maar ook luistert naar wat ze zeggen? Je zou dan kunnen horen: "Ik ben een visverkoper" of "Ik ben een bloemenhandelaar".

In de biologie is dat wat deze techniek doet. In plaats van alleen te kijken naar de cellen, luistert de camera naar hun genen (hun "woorden"). En het allerbelangrijkste: het houdt bij waar die woorden worden gezegd. Is de visverkoper links of rechts? Dat noemen ze ruimtelijke transcriptomics.

2. Het Probleem: Te Klein voor de Foto

Deze mini-organen (organoïden) zijn vaak heel klein. Stel je voor dat je een hele grote foto van een stad maakt, maar je plaatst er maar één klein dorpje op. De camera is zo groot, maar het dorpje is zo klein dat er veel lege ruimte overblijft.

• Het risico: De camera kan verwarren wat er echt in het dorpje gebeurt en wat er in de lege ruimte gebeurt. Soms "lekt" er geluid uit het dorpje naar buiten, waardoor de foto onduidelijk wordt.

De onderzoekers hebben geprobeerd om veel van deze mini-dorpjes tegelijk op één grote foto te zetten. Dat is slim, want het bespaart geld en tijd. Maar ze moesten eerst de camera instellen zodat hij niet verward raakte door de kleine dorpjes.

3. De Oplossing: Plakken en Scherper Kijken

Om te voorkomen dat de mini-organen loslaten van de foto (zoals een sticker die eraf valt), hebben ze de camera-chip ingesmeerd met een speciale lijm (poly-L-lysine). Hierdoor blijven de mini-organen stevig zitten, zelfs als ze van een "natte" soort zijn.

Daarna hebben ze gekeken naar de resolutie (de scherpte).

• Te scherp (te klein): Als je te veel inzoomt, zie je alleen ruis en onduidelijkheid.
• Te wazig (te groot): Als je te weinig inzoomt, zie je niet meer wie waar zit.

Ze hebben uitgevonden dat je een beetje moet "wazig maken" (grotere blokken gebruiken) om de signalen sterker te maken, maar dat je dan wel de randen van het dorpje moet negeren omdat die vaak rommelig zijn.

4. De Nieuwe Methode: Kernen en Randen

Omdat ze niet elke individuele "inwoner" (cel) perfect konden onderscheiden, hebben ze een slimme truc bedacht. In plaats van te kijken naar elke persoon apart, hebben ze het dorpje opgedeeld in twee zones:

1. Het Hartje (De Kern): Het midden van het organoïde.
2. De Rand (De Buiten): De buitenkant van het organoïde.

Wat vonden ze?

• In de hersen-organoïden: Het midden was druk bezig met het maken van energie op een rustige manier (zoals een slaapzaal), terwijl de rand druk was met het verwerken van signalen en het maken van meer energie (zoals een drukke schoolplein). Dit is precies wat je ook in een echt menselijk brein ziet!
• In de hart-organoïden: Ze keken naar hartjes die op twee verschillende manieren waren getraind. De "getrainde" hartjes (die sterker moesten worden) bleken meer energie te maken en hun spieren te verbeteren. Dit bewijst dat de techniek werkt om te zien of een behandeling goed is.

5. Waarom is dit belangrijk?

Vroeger was het moeilijk om te zien of deze mini-organen echt goed werkten. Nu hebben de onderzoekers een nieuwe kaart gemaakt.

• Ze kunnen zien of de organen eruitzien zoals het echt moet.
• Ze kunnen zien of medicijnen werken op de juiste plekken.
• Ze kunnen meerdere mini-organen op één keer testen, wat veel goedkoper maakt.

Kortom:
Deze wetenschappers hebben een nieuwe manier gevonden om naar onze mini-organen te kijken. Ze hebben de "camera" aangepast zodat hij niet verward raakt door de kleine maatjes, en ze hebben een slimme manier bedacht om te kijken naar het midden en de rand van deze organen. Hierdoor kunnen we in de toekomst sneller nieuwe medicijnen vinden en ziektes beter begrijpen, allemaal dankzij deze mini-versies van onze eigen lichaam.

Technische samenvatting

Titel: Toepassing van ruimtelijke transcriptomica op organoïden: een benchmark-dataset voor hoge-resolutie whole-transcriptome analyse

1. Het Probleem

Stamcel-afgeleide organoïden beloven om weefsel-specifieke ziekten te modelleren, maar het is cruciaal om te bepalen hoe goed deze organoïden de in vivo weefsels nabootsen in termen van transcriptie, celsamenstelling en ruimtelijke organisatie. Hoewel ruimtelijke transcriptomica (ST) technologieën zoals Stereo-seq (een sequencing-gebaseerde methode met subcellulaire resolutie) veelbelovend zijn, zijn ze moeilijk toe te passen op organoïden vanwege:

• Grootte: Organoïden zijn vaak klein en bedekken slechts een beperkt deel van de ST-chip, wat kan leiden tot kunstmatig lage mRNA-capture.
• Adhesie: Veel organoïden (zoals hartspier, nier en kraakbeen) hechten slecht aan het chipoppervlak, wat leidt tot weefsellossing.
• Transcriptdiffusie: Bij organoïden die in vloeibare fase worden gekweekt (bijv. hematopoëtische organoïden), diffunderen transcripten vaak buiten het weefselgebied, wat de ruimtelijke nauwkeurigheid vermindert.
• Kosten: Het is kostenefficiënter om meerdere organoïden op één chip te plaatsen, maar de haalbaarheid en impact op datakwaliteit van deze "multi-sample" aanpak was onbekend.
• Analyse: Bestaande methoden voor celclustering (single-cell resolutie) werken vaak niet goed op organoïden-data vanwege een te laag aantal gevangen transcripten per cel.

2. Methodologie

De auteurs hebben een systematische benchmark uitgevoerd met het Stereo-seq platform op acht menselijke organoïd-modellen (hersenen, hartspier, hartklep, nier, long, kraakbeen en hematopoëtisch) en vergeleken deze met twee in vivo referentieweefsels (E13.5 muizenkop en 21 weken post-conceptie muishart).

Experimentele Optimalisatie:

• Chip-bekleding: Om weefsellossing te voorkomen, werden chips bekleed met poly-L-lysine, wat essentieel bleek voor organoïden zoals hartspier en kraakbeen.
• Permeabilisatie: De tijden voor weefselpermeabilisatie werden geoptimaliseerd per weefseltype om transcriptdiffusie te minimaliseren.
• Multi-sample aanpak: Het protocol is aangepast om meerdere organoïden (tot 12 per chip) van hetzelfde of verschillend type, en onder verschillende kweekcondities, op één chip te embedden en te analyseren.
• Bio-informatica: Een aangepaste workflow werd ontwikkeld. Omdat single-cell resolutie (CellBins) beperkt was door lage data-capture, werd een regionale analyse-methode ontwikkeld.
  • Uitbijterdetectie: Gebruik van k-NN (k-nearest neighbors) en Euclidische afstand om losse cellen of artefacten aan de randen te verwijderen.
  • Regionale segmentatie: Indeling van organoïden in "rand" (edge), "grens" (border) en "kern" (core) gebieden op basis van afstand tot het centroid of convex hull.
  • Pseudo-bulk analyse: Aggregatie van genexpressie binnen deze regio's om een sterker signaal te krijgen dan bij individuele cellen.

3. Belangrijkste Resultaten

• Data-capture en Kwaliteit:
  • Organoïden met een uniforme, ronde vorm (hersenen, transwell-nier, kraakbeen) leverden data op die vergelijkbaar was met in vivo weefsels.
  • Organen met een vloeibare kweekomgeving (hematopoëtisch, suspension-nier) vertoonden meer transcriptdiffusie en lagere RNA-capture.
  • Het plaatsen van meerdere organoïden op één chip bleek haalbaar zonder significante verlies van biologische signalen, mits de organoïden goed hechtten.
• Resolutie en Binning:
  • Het verhogen van de bin-grootte (van 50 naar 100 µm²) verhoogde het aantal gevangen genen per bin, maar leidde tot een disproportioneel verlies van het totale weefseloppervlak (vooral bij organoïden) en loste het probleem van lage single-cell resolutie niet volledig op.
  • Single-cell clustering was niet succesvol vanwege het lage aantal transcripten per bin; de data was te "spaarzaam" voor nauwkeurige celtype-classificatie.
• Regionale Analyse (Kern vs. Rand):
  • De ontwikkelde regionale methode slaagde erin om biologisch relevante verschillen te detecteren waar single-cell analyse faalde.
  • Hersenoïden: Er werden duidelijke transcriptieverschillen gevonden tussen de kern en de rand. De rand was verrijkt voor genen gerelateerd aan ATP-synthese en elektronentransport (neurale populaties), terwijl de kern verrijkt was voor glycolyse (neuronale progenitorcellen). Dit bevestigt eerdere bevindingen over metabolische gradiënten in hersenoïden.
  • Kraakbeenoïden: Geen significante differentieel tot expressie gebrachte genen (DEG's) tussen regio's, wat overeenkomt met de verwachte homogene chondrocyt-populatie.
  • Hartspieroïden: Vergelijking tussen controle- en "Directed Maturation" (DM) condities toonde aan dat DM-organen verhoogde mitochondriële activiteit en ATP-synthese vertoonden, en verlaagde ion-kanaalactiviteit, wat overeenkomt met een meer volwassen fenotype.

4. Kernbijdragen

1. Eerste Systematische Benchmark: Dit is de eerste studie die meerdere soorten stamcel-afgeleide organoïden systematisch profileert met Stereo-seq en vergelijkt met in vivo referenties.
2. Protocoloptimalisatie: Demonstratie van de noodzaak en effectiviteit van poly-L-lysine-bekleding en aangepaste permeabilisatie voor organoïden om adhesie en data-kwaliteit te verbeteren.
3. Multi-sample Strategie: Validatie dat het plaatsen van meerdere organoïden (inclusief verschillende condities) op één chip kosteneffectief is en betrouwbare data oplevert.
4. Nieuwe Analytische Methode: Introductie van een regionale, pseudo-bulk analyse-workflow die omgaat met de beperkingen van single-cell resolutie in organoïden. Deze methode maakt het mogelijk om ruimtelijke patronen (kern vs. rand) te identificeren zonder volledige celtype-classificatie.

5. Significantie

De studie biedt een cruciale basis voor het gebruik van ruimtelijke transcriptomica in organoïd-onderzoek. Het toont aan dat, hoewel huidige technologieën nog moeite hebben met single-cell resolutie in kleine organoïden, ze wel uitstekend geschikt zijn om ruimtelijke en metabolische gradiënten te detecteren. De ontwikkelde methoden voor chip-bekleding, multi-sample plaatsing en regionale analyse stellen onderzoekers in staat om organoïden beter te valideren tegen in vivo weefsels en inzicht te krijgen in de ruimtelijke organisatie van celdifferentiatie en ziektemodellen. Dit is een belangrijke stap voor de ontwikkeling van nauwkeurigere ziektemodellen en drugstesten.