转录组学(一文解锁最火爆的研究热点—空间转录组学，20分文章如此easy)

今天我们分享一篇近期发表于《Nature Neuroscience》的文章，作者通过基于10× Genomics的商业化空间转录组(空转)测序平台Visium，对人背外侧前额大脑皮层(DLPFC, dorsolateral prefrontal cortex)的空间拓扑学进行了转录组层面的研究，利用已有结构对该平台进行验证，基于空转的位置信息对DLPFC区进行了进一步研究，并提出一个较为普适的空间聚类方法。

大脑的空间组织与其功能息息相关。这种结构-功能关系在人类大脑皮层中尤为明显，不同皮层中的细胞表现出不同的基因表达模式，并表现出不同的形态、生理和连接模式，因此理解正常的大脑发育和中枢神经系统的紊乱将需要识别构成大脑的细胞类型，并最终将个体细胞类的功能相关性与结构体系联系起来。

虽然目前单细胞RNA测序(scRNA-seq)和单核RNA测序(SnRNA-seq)技术的重大进展大大增加了研究者对人脑中细胞分类的精密识别度，且目前可以对一些结构的特殊性表达基因进行初步结构定位，但这些技术仍旧缺乏更加全面、准确的位置信息。smFISH (single-molecule fluorescent in situ hybridization)技术覆盖的靶点较少且更易互相干扰。而激光显微切割技术将组织从原组织中切割出来进行转录组层面的研究，人为割裂与完整组织的空间位置关系。本文使用10× genomics公司的Visium平台，对DLPFC的空间位置信息进行了转录组层面的研究、印证及进一步使用。

DLPFC区域与白质(WM)区域有明显的形态学边界，且之前DLPFC区的研究已知其内部含有六层划分，各层均有使用中的Marker基因。研究方法与Visum的上机测序流程一致（见下图），首先对目标组织切割后，按照已知信息对其进行冰冻包埋(图a)，选取好方向进行冰冻切片，之后放置于Visium的玻片进行空间转录组测序和分析(图b)。基于染色结果(图c)和对已知Marker的空转表达情况(图d)，确定后续进行空间建模的方向。

之后，通过不同的生信分析模型，对空转数据进行分层建模，不同的分层计算方法均可以将DLPFC显著的划分为六个层和WM。

之后基于空转得到的分层模型，对之前发现的分层Marker进行回溯和验证（如下图，左侧两列是空转数据，右侧一列是通过组化验证的数据）。作者发现，现在使用中的marker，有些可以差异显著的区分单独一层（如图a和b），但是未作为主要marker使用，而主流marker可以同时区分多层。

作者进一步通过空转数据挖掘新的分层marker(如下图a-d)，并对其进行基于smFISH的验证(如下图e)。每一层均发现了经过实验验证的分层显著差异的新marker。

做到这里，作者基本证明空转的数据可以进一步的验证和使用。由于空转的数据是基于转录组的，所以可以通过转录组特征对之前进行的单细胞/单核转录组测序的数据进行赋值，将现有的空间信息赋予之前的单细胞测序数据(如下图a)。之前，已有研究对DLPFC的6层和WM区通过手术手段分别剥离后，进行单核细胞测序，作者以此数据与空转数据进行了一致性比较，印证了空转的分层与手术分层的高度一致性(如下图b)。至此，作者和读者应该均基本认可空转分层数据的可靠性。接下来就是对这一分层数据的应用，通过赋予之前具备单细胞精度的单细胞/单核转录组测序数据的空间位置信息，对细胞的位置进行定义，并界定临近细胞是否有可能相互作用(如下图c)。

作者进一步使用该模型，对神经系统疾病进行研究。通过赋予神经系统相关差异基因位置信息，从科学角度印证和解释差异基因起作用的位置和原理，从临床角度赋予后续通过位置特异的差异基因表达进行预防、治疗和预后的现实意义。

最后，由于对DLPFC的分层参考了之前已知的marker基因和结构特征，而若推广Visium平台进行空转研究，很多组织不具备这些已知信息。仅通过生信分析，能否得到相对准确的结构信息呢？作者对此进行了研究，提出了不基于已知结构的空间聚类模型，并验证其结果具备准确性和可信性。

本文是较早使用Visium平台进行空转研究的文章，其研究思路并不复杂，即通过对已知结构的组织，利用Visium平台建立转录组层面的空间聚类模型，对该模型进行验证后，一方面对现有的结构进行更精细化的区分，更重要的是，将该空间定位的信息赋予已有的数据（单细胞测序或疾病差异基因等），从而从空间分布的角度对原有数据进行解读并提出一些新的见解和发现。

类比二代测序带来的基因广度信息，单细胞测序带来的单细胞层面的分辨率信息后掀起的对应研究的浪潮，空间转录组带来的位置信息可能也会掀起对应研究的浪潮。新技术赋予的新信息带来新发现，对文章思路设计层面的要求相应降低，但是新技术对发表文章影响因子提升这一红利的时效性却让人倍感紧迫，毕竟对同一个组织的空转测序带来的位置信息和空间建模，只有第一次测才是新的。