STUtility:一个为空间转录组学数据提供全流程分析的工具

2021-04-23 164文献解读

基因原位表达技术的最新进展构成了转录组学的一个新的迅速发展领域。随着10x Genomics Visium平台的推出,这种方法开始被广泛采用。实验方案是在从较大的组织样本中采集单个组织的切片上进行。该数据的二维性质要求从样本中采集多个连续切片,以便构建组织的全面三维图谱。然而,目前还没有软件可以让用户处理图像,对齐堆叠的实验数据,并最终在三维空间中将它们一起可视化,以创建组织的整体视图。

来自瑞典的科研团队开发了STUtility,一个为空间转录组学数据提供完整工作流程的工具,从测序和图像数据处理到组织的最终三维模型的创建。

STUtility-1.png

STUtility是什么?

STUtility是一个R软件包,该软件包以10x Genomics Visium 数据为输入,提供了执行标准化数据转换、多个组织切片对齐、区域注释以及在三维模型框架中对组合数据进行可视化的功能。

STUtility-2.png

完整的STUtility工作流程是在R中进行的。STUtility的输入包括计数文件和来自苏木精/伊红(H&E)染色组织切片的图像数据,所有用于处理和转换数据的Seurat函数都可以利用。此外,STUtility还增加了空间分析、图像处理和可视化的多种功能。作为对STUtility的介绍,研究团队建立了一个网站(https://ludvigla.github.io/STUtility_web_site/),概述了它的功能,并提供了可用功能的示例。

STUtility的实例演示

为了演示ST和10 x Visium数据的STUtility工作流程,研究团队对小鼠和人类的多个组织进行了分析。采用相同的工作流方法对所有样本类型进行验证,以证明一般工作流程的可用性。非负矩阵分解(NMF)用于在高维计数数据的基础上发现组织的低维结构,空间自相关检验用于寻找具有清晰空间模式的基因。然后利用图像处理步骤后STUtility中可用的各种可视化策略来探索结果。

STUtility-3.png

在小鼠大脑样本中,可以用明确定义的空间模式提取多个不同的因子,空间自相关测试中排名靠前的基因在其表达中显示出明显的空间依赖性。在乳腺癌组织样本中,通过组织病理学检查,可以从H&E图像中清楚地确定肿瘤细胞的分离区域。然而,仅形态学特征并不能显示肿瘤内细胞状态的显著异质性。使用STUtility中基于NMF的因子分析,这种多样性可以被全面可视化,并且可以确定不同肿瘤区域的驱动基因,以加强对相关机理的解释。驱动基因揭示了取样时细胞动力学的显著差异。例如,其中一个肿瘤区域因子(factor_3)由免疫应答相关基因(CPB1、HLA-B/C、PSMB8、IL6ST)驱动。另一个因子则显示出一个独特的表达谱,其标记物先前被证明在各种肿瘤类型中失调(如MGP,S100,TFF3)。Factor_7则集中在肿瘤区域之间的一个小区域,具有很强的T细胞和B细胞(CCL19,TRBC2,CD52,MS4A1,TRAC)存在和调节的特征,可能形成三级淋巴结构。进一步探索,从前面发现的免疫活性升高的肿瘤区外围区域(前缘)观察,可以从STUtility构建的邻域网络中自动提取。差异表达分析(DEA)显示,与肿瘤内部核心区域相比,肿瘤外部(肿瘤前缘)区域的免疫球蛋白基因表达量高。

此外,在淋巴结样本中,基于NMF的因子分析揭示了几种不同的空间模式;factor_1与淋巴结的一个较小的子区域内的抗病毒反应相关联,factor_2和factor_4显示出T细胞和血浆细胞活性的清晰特征。最后,类风湿关节炎样本被用来演示三维应用于由多个连续ST切片组成的样品集。用户可以收缩或扩大切片之间的空间,创建一个密集的点云反映实际距离或引入间距,以便更容易识别切片之间的特征转换。总的来说,使用STUtility分析的空间解析数据,能够呈现出关于组织的持续细胞状态的景观视图。

STUtility是一个R软件包,目的是为空间转录组学数据提供一个易于使用的可视化和分析工具包。该工具的开发者Ludvig Larsson和Joseph Bergenstråhle,是Joakim Lundebergs教授的博士生。该团队是空间转录组学(ST)技术的最初发明者,后来被10X Genomics收购。其工作室位于瑞典斯德哥尔摩的生命科学实验室(SciLifeLab)。

STUtility下载地址:https://ludvigla.github.io/STUtility_web_site/.

参考文献 Bergenstråhle, J., Larsson, L. & Lundeberg, J. Seamless integration of image and molecular analysis for spatial transcriptomics workflows. BMC Genomics 21, 482 (2020).
图片来源于BMC Genomics官网和参考文献,如有侵权请联系删除。

上一篇下一篇