EISCA and EISTA: Full-Spectrum Pipelines for Single-Cell and Spatial Transcriptomics Analysis
本文介绍了 EISCA 和 EISTA，它们是基于 nf-core 框架构建的标准化、模块化且可扩展的 Nextflow 流水线，分别针对单细胞和高分辨率空间转录组数据提供全面的端到端解决方案，以加速可重复的生物学发现。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
生命由细胞构成，这些微小的生命单位构成了每一株植物和每一只动物。几十年来，科学家们通过将组织研磨成“汤”状、分离单个细胞并读取其中的遗传指令来研究这些细胞。这种被称为单细胞测序的方法揭示了，组织并非由完全相同的部件组成的均匀整体，而是由许多不同类型的细胞协同工作的复杂马赛克。然而，这种方法有一个重大缺陷：通过破碎组织，它破坏了“地图”。科学家可以看到细胞是什么，但却失去了关于这些细胞原本位于何处以及是如何排列在原始结构中的关键信息。为了解决这个问题，一种名为空间转录组学的新技术应运而生。这种方法允许研究人员在细胞仍处于原始位置时读取其遗传指令，从而保留了组织的建筑蓝图。
现在的挑战在于，这些技术会产生海量且复杂的数据，极难进行分析。单次实验就可能产生数百万个数据点，而理解这些数据需要一系列冗长的计算机步骤，从清理原始信号到寻找模式并对相似细胞进行分组。直到目前为止，还没有一种通用的标准方法可以适用于所有类型的数据，这导致研究人员必须为每一个新项目构建自己的定制工具。这种缺乏统一系统的现状使得不同实验室之间难以比较结果，也难以确保研究发现具有可重复性。
为了解决这一问题，英国厄尔汉姆研究所（Earlham Institute）的一个研究小组开发了两个新的计算机程序，分别命名为 EISCA 和 EISTA。可以将它们想象成生物数据的标准化、自动化流水线。EISCA 旨在分析那些已从组织中分离出来的细胞（即较旧的方法），而 EISTA 则专门为保留细胞原始位置的新方法而设计。这两个程序都基于一个灵活的框架，允许科学家通过一条命令运行整个分析过程，或者在任何步骤停下来检查结果并调整设置。它们处理从初始原始数据到最终细胞类型及其相互作用的所有环节，并生成清晰的报告，展示数据在每个阶段的具体形态。
研究人员通过真实的生物学问题测试了这些工具以证明其有效性。首先，他们使用 EISTA 研究了被有害细菌感染后的拟南芥（Arabidopsis thaliana）叶片。通过运行数据流水线，该软件成功识别出了正在对抗感染的特定细胞群。它显示出这些具有免疫活性的细胞并非随机散布，而是聚集在叶片组织中的特定位置。该程序还精准定位了这些细胞为了防御植物而开启的特定基因，揭示了一种清晰且有组织的应对威胁的反应，这与科学家之前的推测相符，但在以前很难如此精确地进行绘图。
接着，团队应用 EISCA 研究了败血症患者（一种对感染产生的危及生命的反应）的人类血液样本。软件分析了病死者与幸存者的血液细胞。它证实了该疾病会导致血液中循环细胞类型的剧烈变化。具体而言，程序发现未存活的患者体内 B 细胞（对长期免疫至关重要）的数量大幅下降，并且血小板和压力相关细胞出现了危险的堆积。这些发现与生成原始数据的研究结果相吻合，证明了新的流水线无需专家团队手动引导每一步，也能可靠地重现复杂的生物学洞察。
这些工具真正的力量在于它们使先进科学变得触手可及。由于这些程序是自动化且标准化的，即使是计算机编程经验较少的研究人员，现在也可以进行复杂的分析并立即获得清晰的数据图景。这些工具并不强迫科学家在速度和灵活性之间做出选择；他们可以运行完整的分析以获得快速概览，也可以深入特定步骤以探索新问题。通过提供一种处理这些海量数据集的通用且可靠的方式，EISCA 和 EISTA 消除了现代生物学中的一个主要瓶颈。它们让科学家能够减少在处理数据上的纠缠，更多地专注于理解数据所描述的生命系统，从而确保在一个实验室取得的发现可以被世界各地的其他实验室信任并加以借鉴。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。