空間轉錄組是一種怎樣的轉錄組？

對於轉錄組你們已經很是熟悉，那麼空間轉錄組呢？空間轉錄組是什麼？空間轉錄組有哪些方法/策略？有什麼應用？...web

這些問題的答案都在今天分享的這篇綜述中。2020年6月，來自浙江大學和悉尼大學的研究人員在《Trends in Biotechnology 》雜誌發表了關於空間轉錄組的綜述，詳細比較了現有的空間轉錄組技術在細胞和基因通量以及空間分辨率上的差別，深刻探討了各類方法的技術原理及其優缺點，並對空間轉錄組技術的應用前景和發展方向進行了展望。微信

爲何要作空間轉錄組研究？
網絡

無數具備不一樣功能類型的細胞數量與發育（時間）和區域（空間）差別相結合，構成了哺乳動物器官轉錄異質性的主要組成部分。隨着單細胞測序技術的不斷髮展，單細胞組分、轉錄水平可經過多種技術檢測到，極大的提升了研究者們從異質性樣本中分析細胞類型特異性的基因調控網絡的能力，但此前技術沒法檢測到空間信息，由於單細胞測序技術在將實體組織解離成單個細胞的過程當中，不可避免地丟失了空間信息。app

空間異質性是器官功能的關鍵特徵，細胞的位置信息對細胞命運調控機制和細胞譜系發生過程的研究十分重要。所以，爲了更好地瞭解細胞，有必要同時記錄其轉錄異質性和空間座標。svg

空間轉錄組的方法和技術有哪些？
佈局

廣義上講，現有的生成空間分辨轉錄組學的方法可分爲四類：用於空間重建的計算策略和組學實驗的組合，使用激光捕獲顯微切割（LCM）結合NGS進行直接測量，使用熒光物質的基於圖像的原位轉錄組學，以及基於寡核苷酸的空間條形碼再加上NGS。每種方法都有其優勢和缺點。
大數據

每種空間轉錄組學方法的基因和細胞通量url

目前空間轉錄組的方法和技術比較spa

四類空間轉錄組示意圖.net

空間重構的計算策略：這種計算方法能夠充分利用內在基因表達模式或共表達的趨勢，從單個細胞的大量轉錄組數據中重構細胞間的環境。然而，這些推論方法在某些狀況下僅呈現空間趨勢或特定組織的整體佈局。

基於LCM的方法：基於LCM的轉錄組學或基因組學成功地得到了單個細胞的空間轉錄組，儘管其通量很低，可是在能夠標記成千上萬個單個細胞位置的多路複用條形碼策略可行以前，將少許細胞的數據粗略地整合到構成器官的巨大背景中，可能具備必定價值。

基於圖像的原位轉錄組學：基於圖像的原位轉錄組學在很大程度上增長了可檢測區域，但也存在一些問題，例如幾種smFISH方法很難從包括信號干擾、轉錄本積累等複雜背景中提取單個細胞。

空間條形碼加NGS：費用較高且沒法在單個細胞中得到轉錄組。

空間轉錄組有哪些應用？

儘管當前的空間分辨轉錄組學技術尚不完善，但因爲解決組織分子結構的巨大興趣，其已被普遍應用於臨牀和生物學研究。

空間轉錄組的應用

發現疾病的空間異質性：同時瞭解患病組織中的細胞類型及其定位有助於解決空間分辨的轉錄組學問題。在不一樣的環境下，明智地選擇這些方法在生物學研究中也是相當重要的，例如在神經科學中，基於FISH的方法很廣泛；基於LCM的方法適用於小樣本（例如臨牀樣本）以及整個轉錄組或基因組分析。

構建空間轉錄組圖譜：藉助於空間分辨的單細胞轉錄組學，創建圖譜多是在分子水平上研究生物體結構的重要步驟。目前的多項研究經過單細胞轉錄組技術結合空間轉錄技術，獲得多個器官的時空轉錄組圖譜（相關研究後續會在數據資源專輯更新）。

描繪胚胎髮育和空間藍圖：胚胎髮育是一個複雜的過程，其中動態變化在生物分子水平上迅速發生。對這種微觀變化的時間和空間方面的分析都具備挑戰性。預期使用空間轉錄組學技術能夠表徵胚胎髮育的空間表達藍圖。

儘管空間轉錄組技術已經獲得普遍應用，可是其潛力遠遠不止於此，例如運用空間轉錄組研究單細胞水平的上的細胞交流；基於圖像的方法，觀察單個細胞內的分子行爲，分析基因互做、調控網絡等。

阻礙當前技術的主要挑戰是從單個細胞原位得到無偏轉錄組，由於大多數現有的基於實驗的方法都來自靶向方法smFISH。須要開發新的技術來實現高空間分辨率和高通量的scRNA-seq。這種完善的技術的出現將容許它們普遍地應用於解決一系列生物學問題。

公衆號又雙叒叕改版了，爲了讓您能快速獲取咱們發佈的優質文章推送，建議您能夠採起如下行動：

文末點擊「在看」、點「贊」、分享
將『國家基因庫大數據平臺』公衆號「星標」
與小編「留言互動」

參考文獻

Liao J, Lu X, Shao X, et al. Uncovering an Organ’s Molecular Architecture at Single-Cell Resolution by Spatially Resolved Transcriptomics[J]. Trends in Biotechnology, 2020.

圖片來源：均來源於參考文獻，若有侵權請聯繫刪除。

本文分享自微信公衆號 - 國家基因庫大數據平臺（close_3080908629）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。