Evidence of off-target probe binding affecting 10x Genomics Xenium gene panels compromise accuracy of spatial transcriptomic profiling

该研究开发了 Off-target Probe Tracker (OPT) 工具，揭示了 10x Genomics Xenium 技术中探针脱靶结合会扭曲空间转录组数据的准确性，并通过多组学验证证实了部分基因的表达信号实为靶基因与脱靶基因信号的混合，从而提升了空间转录组数据的生物学可解释性与可重复性。

要点

这篇论文就像是在给一种非常先进的“细胞显微镜”做了一次**“安检排查”，结果发现它有时候会“看走眼”**，把邻居当成了目标。

为了让你更容易理解，我们可以把这项研究想象成一个**“超级寻人启事”**的故事。

1. 背景：我们要找谁？（Xenium 技术）

想象一下，你有一张巨大的城市地图（这是人体组织），上面住着几十亿个居民（细胞）。科学家想搞清楚每个居民家里在唱什么歌（基因表达），而且还要知道他们具体住在哪个街区（空间位置）。

10x Genomics 的 Xenium 技术就是为此发明的“超级寻人工具”。

• 工作原理：它给每个想寻找的“目标居民”（比如叫“张三”的基因）发了一张特制的**“寻人贴纸”**（探针）。
• 过程：这张贴纸只应该贴在“张三”身上。一旦贴上去，它就会发光，告诉科学家：“嘿，张三在这里！”
• 价值：这项技术非常昂贵且流行，每做一次实验要花几千美元，被广泛用于癌症研究等高端领域。

2. 问题出在哪？（脱靶结合）

研究人员（Caleb Hallinan 等人）发现，这些“寻人贴纸”有时候太热情了，或者长得太像，导致它们贴错了人。

• 比喻：
  想象“张三”和“李四”是双胞胎，长得非常像。你的“寻人贴纸”本来是为了找“张三”设计的，但因为“张三”和“李四”长得太像（基因序列相似），贴纸不小心也贴到了“李四”身上。
• 后果：
  当贴纸在“李四”身上发光时，科学家会误以为：“哇，张三在这里！”但实际上，那是“李四”。
  这就导致数据造假：你以为你在研究张三，其实你看到的是张三和李四的混合体。如果“李四”在某个区域特别多，你就会误以为“张三”也在那里爆发式增长，从而得出错误的科学结论。

3. 他们做了什么？（开发了“侦探工具”OPT）

为了找出哪些贴纸贴错了，作者开发了一个叫 OPT 的电脑软件。

• OPT 的作用：它像一个**“基因侦探”**。它把 Xenium 发出的所有“寻人贴纸”的序列拿出来，和整个人体基因库（就像一本巨大的电话簿）进行比对。
• 发现：
  在检查一个专门针对乳腺癌的基因面板（包含 313 个基因）时，OPT 发现至少有 14 个基因的贴纸是“糊涂蛋”。它们不仅会找目标，还会错误地粘在其他的基因（通常是长得像的“表亲”或“双胞胎”）身上。

4. 怎么证明是真的？（找“证人”对质）

光说“贴纸贴错了”是不够的，他们找了两个**“证人”**来验证：

1. 证人 A（Visium）：这是另一种完全不同的寻人技术（就像用不同的方法去数人头）。
2. 证人 B（单细胞测序）：这是把细胞拆开单独检查的方法。

戏剧性的一幕发生了：

• 对于没出错的基因（比如 MS4A1）：Xenium 看到的和证人 A、B 看到的完全一致，大家异口同声。
• 对于出错的基因（比如 APOBEC3B）：
  • Xenium 说：“APOBEC3B 在这里疯狂表达！”（因为它把 APOBEC3B 和它的双胞胎 APOBEC3D、APOBEC3F 混在一起了）。
  • 证人 A 和 B 说：“不对，APOBEC3B 根本没在这里，这里只有它的双胞胎在唱歌。”
  • 真相：当研究人员把 Xenium 的数据和“双胞胎们”的数据加在一起看时，Xenium 的“错误报告”竟然和“真实情况”完美吻合了！这证明了 Xenium 确实是被“冒名顶替”了。

5. 这意味着什么？（给未来的建议）

这项研究就像给科学界敲响了警钟：

1. 不要盲目相信数据：即使是像 10x Genomics 这样的大公司出的昂贵产品，也可能因为设计上的小瑕疵（贴纸太像）而看走眼。
2. 双胞胎是个大麻烦：很多基因是成对或成群出现的（像家族成员），它们长得太像，很难用简单的贴纸区分。
3. 解决方案：
   • 用工具自查：在实验前，先用 OPT 这样的工具检查一下你的贴纸会不会贴错。
   • 交叉验证：如果可能，用另一种技术（如 Visium 或单细胞测序）来验证关键发现。
   • 公开透明：作者呼吁公司应该公开“贴纸”的具体序列，这样大家才能互相检查，避免重复犯错。

总结

这篇论文告诉我们，在探索生命奥秘的微观世界里，“长得像”并不等于“是同一个”。

就像在人群中找一个人，如果你只凭一张模糊的相似照片去抓人，可能会抓错。作者开发了这个“侦探工具”，帮科学家们在昂贵的实验之前，先擦亮眼睛，确保他们看到的确实是想要研究的那个基因，而不是它的“冒牌货”。这对于未来癌症研究和药物开发至关重要，因为错误的地图会带你走到错误的地方。

技术摘要

这篇论文题为《Evidence of off-target probe binding affecting 10x Genomics Xenium gene panels compromise accuracy of spatial transcriptomic profiling》（证据表明脱靶探针结合影响 10x Genomics Xenium 基因面板，损害空间转录组分析的准确性），由约翰霍普金斯大学的研究团队发表。

以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

• 技术背景：10x Genomics 的 Xenium 平台是一种基于原位杂交（padlock probes）的高分辨率空间转录组技术，能够以单细胞分辨率检测靶向基因的表达。其原理是探针结合目标 RNA 后连接并滚环扩增（RCA），通过荧光信号解码基因身份。
• 核心问题：该技术的准确性高度依赖于探针与目标基因序列结合的特异性。然而，如果探针与非目标基因（脱靶基因）发生结合（Off-target binding），由于连接和扩增后的荧光信号无法区分来源，会导致目标基因的表达量被高估或表达模式被扭曲。
• 现状：目前缺乏公开的工具来系统性地评估 Xenium 探针面板的脱靶结合风险，且商业公司通常不公开探针序列，导致用户难以验证数据的准确性。

2. 方法论 (Methodology)

研究团队开发了一套完整的分析流程来识别和验证脱靶结合：

• 工具开发 (OPT)：
  • 开发了名为 Off-target Probe Tracker (OPT) 的开源 Python 软件工具。
  • 原理：利用 nucmer 将探针序列（FASTA 格式）与参考转录组（如 GENCODE, RefSeq, CHESS）进行比对。
  • 功能：
    • 允许用户调整比对严格度（如允许错配数量）。
    • 支持“填充模式”（Pad mode）：考虑到 Xenium 探针两端可能存在错配但仍能连接，允许在探针两端（如 10bp）存在不匹配，仅要求中间关键区域（如 20bp）完美匹配。
    • 自动处理基因同义词和反向互补序列。
• 数据集选择：
  • 主要分析对象：10x Genomics Xenium 人类乳腺癌基因面板（包含 313 个基因，2582 条探针序列）。
  • 参考注释：使用了 GENCODE v47、RefSeq v110 和 CHESS v3.1.3 三种不同的基因组注释数据库进行交叉验证。
• 正交验证 (Orthogonal Validation)：
  • 为了验证预测的脱靶效应，研究团队将 Xenium 数据与来自同一肿瘤组织的两种正交技术数据进行对比：
    1. Visium CytAssist：基于测序的空间转录组技术（55µm 分辨率）。
    2. 3' scRNA-seq：单细胞 RNA 测序技术。
  • 分析策略：使用 STalign 进行空间配准，将 Xenium 数据聚合到 Visium 的分辨率；使用 Harmony 整合 scRNA-seq 和 Xenium 的单细胞数据进行聚类比较。
  • 关键指标：计算均方根误差 (RMSE) 和皮尔逊相关系数 (Pearson correlation)。如果 Xenium 的基因表达模式与“目标基因 + 预测脱靶基因”在 Visium/scRNA-seq 中的聚合表达模式更相似，则证实存在脱靶结合。

3. 主要发现与结果 (Key Results)

• 脱靶结合预测：
  • 在 Xenium 人类乳腺癌面板的 313 个基因中，OPT 识别出至少 14 个基因 存在针对蛋白编码基因的潜在脱靶结合（基于三种注释数据库的并集）。
  • 在严格完美匹配（Perfect homology）下，GENCODE v47 预测了 37 个基因受影响，但其中许多涉及假基因或 lncRNA。当限制为蛋白编码基因时，受影响基因数量减少，但仍有 14 个关键基因（如 APOBEC3B, S100A4, TPSAB1 等）。
  • 允许末端错配（Pad mode）后，又发现了 18 个额外的潜在脱靶基因（如 ACTG2）。
• 实验验证 (Visium & scRNA-seq)：
  • 案例 A (无脱靶)：如 MS4A1 基因，Xenium 与 Visium/scRNA-seq 的空间/细胞表达模式高度一致（相关系数高，RMSE 低）。
  • 案例 B (存在脱靶)：如 APOBEC3B 基因。
    • 在 Visium 和 scRNA-seq 中，APOBEC3B 几乎不表达。
    • 但在 Xenium 中，APOBEC3B 显示出高表达和特定的空间模式。
    • 关键发现：APOBEC3B 的预测脱靶基因 APOBEC3D 和 APOBEC3F 在 Visium/scRNA-seq 中表达，且它们的聚合表达模式与 Xenium 中观察到的 APOBEC3B 模式高度相似。
    • 定量分析显示，将 Xenium 的 APOBEC3B 与 Visium 中 APOBEC3B + APOBEC3D + APOBEC3F 的聚合表达对比，RMSE 显著降低，相关性从 NaN（因 Visium 中无表达）变为正相关，证实了脱靶信号的存在。
• 自定义面板分析：
  • 对 HuBMAP 项目的胎盘和多重组织（心、肾、肺）自定义面板进行分析，发现大量基因（胎盘面板 49/300，多重组织面板 24/300）存在预测的脱靶结合，且部分脱靶基因在特定组织中高表达，可能严重扭曲结果。
• 注释差异的影响：
  • 不同基因组注释（GENCODE vs. RefSeq vs. CHESS）对脱靶预测结果有显著影响，特别是对于假基因和 lncRNA。
  • 发现部分探针设计基于旧版注释（如 GENCODE v28），在新版注释中可能位于内含子或基因间区，导致无法比对或产生误导。

4. 主要贡献 (Key Contributions)

1. 工具发布：开源了 OPT (Off-target Probe Tracker) 工具，使研究人员能够独立评估任何 Xenium 探针面板的脱靶风险。
2. 实证证据：首次通过正交技术（Visium 和 scRNA-seq）提供了确凿证据，证明 Xenium 面板中的特定基因（如 APOBEC3B）的表达信号实际上反映了目标基因与同源脱靶基因的混合信号。
3. 数据透明度呼吁：强烈呼吁商业公司公开探针序列，并建议研究人员在发表研究时公开所使用的探针序列，以提高可重复性。
4. 最佳实践指南：
   • 建议在探针设计阶段使用多种注释数据库进行严格筛选。
   • 对于已生成的数据，若基因存在预测脱靶，应谨慎解释，或在整合分析时将目标基因与脱靶基因的聚合表达作为对比基准。
   • 建议避免使用已知存在高同源脱靶的探针，或在分析时排除受影响的基因。

5. 意义与影响 (Significance)

• 提升数据可靠性：该研究揭示了当前广泛使用的空间转录组技术中存在的系统性偏差，提醒领域内研究人员重新审视基于 Xenium 数据的生物学结论，特别是涉及同源基因家族的研究。
• 方法论改进：强调了在空间转录组数据分析中，不能仅依赖单一技术的数据，必须结合正交验证（Orthogonal validation）来区分真实信号与脱靶噪声。
• 行业规范：推动了商业测序平台在数据透明度方面的讨论，强调了学术界独立监督对于确保行业产品质量的重要性。
• 未来方向：为未来的探针设计提供了数据驱动的优化策略，即结合组织特异性 RNA-seq 数据，在脱靶基因高表达的组织中采用更严格的探针设计约束。

总结：这篇论文通过开发计算工具和严格的实验验证，揭示了 10x Genomics Xenium 平台中普遍存在的脱靶探针结合问题，并证明了这会导致特定基因表达模式的严重失真。该工作为空间转录组数据的准确解读、质量控制以及未来的探针设计提供了重要的技术指导和警示。