stereoscope：利用scRNA-seq和空间转录组数据对细胞类型和空间分布进行概率推断

空间转录组技术正在广泛应用，然而目前一些转录组的空间分析还达不到单细胞的分辨率水平。为了达到将基因表达置于空间环境中并划定组织内细胞类型空间分布的目的，来自瑞典的科研团队提出一种基于模型的概率方法：stereoscope，使用单细胞数据来解析空间数据中的细胞混合物。

stereoscope是什么？

该模型框架利用单细胞数据推断空间数据中每个捕获位置的每个细胞类型的比例估计，从而消除了对空间数据分析时对要素或簇等抽象实体的任何解释或注释的必要性。

stereoscope概述：首先使用单细胞数据来描述每个细胞类型的表达谱，然后在每个捕获位置内找到这些类型的组合，以最好地解释空间数据。

研究团队已经在代码中实现了这个方法，并将其作为一个名为stereoscope的开源python包发布，它可执行去卷积过程并对细胞类型进行空间映射，该过程是无缝的，可通过多种技术转换，并且不需要对数据进行任何预处理。

stereoscope的评价及应用

技术评价

为了证明stereoscope的实用性，研究团队使用来自不同实验平台的数据，并对来自小鼠大脑和发育期心脏的细胞类型进行了空间映射，其排列方式与预期一致。

为了说明stereoscope如何与其他空间技术结合使用，研究团队分析了海马和小脑的Slide-seq数据，这些数据成功地再现了该技术最初发表的结果。

此外，研究团队设计了一个程序从真实的单细胞数据中收集类似于从空间技术获得的合成数据，将stereoscope与两种最近发表的方法（DWLS和deconvSeq）进行比较，结果证实stereoscope的实现优于其他两种方法。

技术应用

通过设计，stereoscope适用于任何类型的空间数据，其应用也十分广泛：
在癌症中评估肿瘤浸润性免疫细胞的存在和特性，或者描绘出构成肿瘤微环境的细胞类型；
从空间共定位模式推断出细胞类型的相互作用；
通过检查比例值在组织中的分布情况，确定相关解剖区域内细胞类型的丰富程度；
... 有关细胞类型的空间分布信息可以作为多种不同分析的基础。

stereoscope软件包可在如下链接获取：https://github.com/almaan/stereoscope.

参考文献
Andersson A, Bergenstråhle J, Asp M, et al. Single-cell and spatial transcriptomics enables probabilistic inference of cell type topography[J]. Communications biology, 2020, 3(1): 1-8.
图片来源于Communications biology官网和参考文献，如有侵权请联系删除。