spSheaf: sheaf-theoretic spatial domain inference from raw molecules without cell segmentation
spSheaf 是一种新颖的、无需分割的空间域推断方法,它利用细胞层理论(cellular sheaf theory)来量化对齐调整后的转录组差异,在 MERFISH 基准测试中实现了最先进的性能,同时能够在不丢弃原始分子数据的情况下成功识别具有生物学意义的亚结构。
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
长期以来,科学家们一直试图读取活体组织中的遗传指令,不仅是为了观察哪些基因在活跃,更是为了理解这些基因是如何组织它们周围的物理世界的。想象一座城市,每栋建筑都包含着蓝图图书馆;目标是绘制出哪些街区使用哪些蓝图来建造它们独特的结构。在生物学中,这意味着识别“空间域”——即组织内具有独特区域,其中的细胞通过共享的一套遗传程序协同工作。多年来,研究人员一直尝试通过首先在每一个细胞周围画线来实现这一目标,将组织视为由单个瓷砖组成的马赛克。然而,这种方法存在缺陷。它需要昂贵且复杂的成像技术来观察细胞边界,并且不可避免地会丢弃大量的遗传数据,通常会因为分子信号落在绘制的线条之外而丢弃高达百分之六十的信号。这种信息的丢失导致了图像的模糊,使得难以看清不同组织区域之间的真实边界。
一组研究人员现在引入了一种解决这一问题的新方法,该方法完全跳过了绘制细胞边界的步骤。spSheaf 不再试图隔离单个细胞,而是直接观察组织中漂浮的原始遗传分子云。其核心理念简单而强大:在同一个功能区域内,相邻位置的遗传活性是兼容且和谐的,就像邻居们说着同一种语言。然而,当跨越边界进入另一个区域时,遗传活性会发生剧烈转变,产生一种无法被平滑处理的失调。通过测量相邻点之间这种特定类型的差异,该方法可以在无需知道一个细胞何时结束、另一个细胞何时开始的情况下,绘制出组织的独特领地。
研究人员在小鼠下丘脑(一个对调节基本生命功能至关重要的脑区)的详细图谱上测试了这种方法。作为基准测试,他们将该方法与包括依赖细胞分割的技术以及试图绕过分割的技术在内的十二种现有技术进行了对比。新方法表现优于所有其他方法。它以极高的准确度正确识别了组织区域,在竞争者中排名第一。至关重要的是,它利用了组织中检测到的每一个分子,而不是像以往那样丢弃那些落在人工细胞边界之外的分子。结果表明,通过忽略细胞边界并专注于遗传信息的流动,该方法能够比以往任何工具都更清晰地揭示组织的真实结构。
为了理解其运作机制,可以将组织想象成一个网格点阵。在每个点上,该方法收集附近的遗传分子,以创建一个局部的“表达谱”,即该即时区域内活跃基因的快照。然后,它观察这些快照与其邻居之间的关系。如果两个邻居处于同一区域,它们的遗传谱可以轻松对齐,就像两张完全契合的同一座城市的地图。如果它们位于边界的两侧,即使研究人员试图强行使它们匹配,它们的谱图仍会保持错位。该方法量化这种错位,生成一个突出显示组织变化的位置得分。随后,它利用这些得分来引导聚类过程,有效地将组织划分为遗传语言一致的区域,同时减弱那些语言发生冲突的混乱过渡带的影响。
该方法的强大之处在小鼠感觉皮层和视觉皮层的图谱数据集中得到了进一步验证。在这些区域,组织是分层的,非常像蛋糕的层次。该方法成功识别了大部分这些层级,尽管在那些遗传变化较为平缓而非剧烈的最薄或过渡区域面临挑战。在一个具体案例中,该方法揭示了位于终纹端核(bed nucleus of the stria terminalis)的一个隐藏细分区域。虽然标准的注释将该区域视为一个单一区块,但新方法将其拆分为两个截然不同的领地,每个领地都富含不同类型的神经元。这一发现表明,该方法可以挖掘出比当前人工地图更精细的生物学细节,可能揭示大脑中新的组织层次。
研究人员还探讨了为什么这种方法比其他方法更有效。他们发现,关键不仅在于测量邻居之间的差异,而是在于如何进行测量。通过在比较之前对局部遗传谱进行对齐,该方法能够区分真实的组织类型变化与单纯的整体遗传物质总量变化。这种对齐步骤对于具有清晰边界(如脑核)的组织至关重要。然而,在组织结构呈现平滑梯度(如皮层层级)的情况下,该方法的表现与较简单的技术相似,这表明其独特优势最适合具有明确、独立程序的组织,而非连续融合的组织。
这项工作代表了科学家分析空间生物学方式的一次重大转变。通过摆脱定义单个细胞的僵化要求,该方法为在未分割的原始状态下分析组织打开了大门。它证明了,绘制组织组织结构最准确的地图,并不总是来自于计数其最小的组成部分,而是来自于理解这些部分如何在整体中相互作用。该方法现已向其他研究人员开放,提供了一个能够处理复杂真实生物数据、且不会因试图强行纳入细胞级框架而导致信息丢失的工具。随着空间转录组学领域的不断发展,这种方法为阅读生命的遗传景观提供了一种更清晰、更完整的方式。
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。