JSTA：将空间转录组原始数据转换成单细胞水平空间表达谱的专用工具
基于RNA杂交的空间转录组方法提供了极高的RNA检测准确率。然而其需要使用图像分割算法将图像分割成细胞，将RNA检测转换为空间单细胞数据。把mRNA分配给细胞仍然是一个具有挑战性的问题，会大大影响组合FISH方法的整体准确性。
来自美国的科研团队提出了JSTA：一种利用空间转录组学数据和scRNA-seq参考数据进行细胞联合分割和细胞类型标注的新的计算方法。JSTA可实现高分辨率的细胞分割映射和细胞类型标注。
JSTA是什么？
JSTA是将转录物的原始测量值及其坐标转换成空间单细胞表达图谱的一种新的计算方法。其计算框架是基于改进最初的分水岭分割算法，通过纳入每个像素的细胞（子）类型概率，并根据这些概率迭代调整边界像素的分配。
JATA概述
JSTA能够利用现有的基于scRNA-seq的参考细胞类型分类法来同时分割细胞，将细胞分类为（子）类型，并将mRNAs分配给细胞。空间转录组学与现有scRNA-seq信息的独特集成可提高图像分割的准确性并增强空间转录组学的生物学应用。不同于其他方法，JSTA不是一个通用的图像分割算法，而是一个专门设计用来将原始的空间转录组数据转换成单细胞水平的空间表达图谱的工具。
JSTA的性能评估及应用
性能评估
研究人员通过模拟小鼠海马数据比较了JSTA和分水岭分割算法在给细胞分配mRNAs时的准确性。综合数据显示JSTA优于分水岭分割算法，在生理相关参数下，可以提高>45%mRNA分配的准确率。
研究人员使用经验数据测试了JSTA的性能，并评估了其恢复已知的海马粗糙神经元类型空间分布的能力。测试结果：JSTA的分类器得出的细胞类型图与海马体中已知的空间模式一致，例如，发现CA1、CA3和DG细胞对其已知亚区具有高度特异性；发现MERFISH数据中片段细胞的基因表达与其scRNA-seq对应物高度相关，并且在不同细胞类型之间显示出类似的相关模式。上述结果表明，利用经验数据和JSTA算法可以恢复小鼠海马细胞类型及其基因表达模式的空间分布的现有知识。
此外，研究团队将JSTA应用于先前发表的小鼠下丘脑视前区的MERFISH数据集，提供了134个基因。使用提供的scRNA-seq参考数据集精确地绘制了该区域的87种高分辨率细胞类型；将JSTA应用于小鼠体感皮层的osmFISH数据集，并提供了35个基因。使用NCTT参考数据集，研究人员在这个区域绘制了142个高分辨率的细胞类型。
在生物发现中的应用
JSTA确定了海马高度颗粒细胞（亚）类型的空间分布。JSTA的一个主要优势是它能够联合分割图像中的细胞，并将它们分类为高度颗粒化的细胞（亚）类型。对小鼠海马MERFISH数据的分析发现，这些仅根据其基因表达模式定义的亚型，在海马中具有高度的空间定位。
JSTA显示空间邻近细胞亚型在转录上相似。研究团队通过评估细胞亚型的共定位和它们的转录相似性来测试跨不同细胞类型的空间模式是否匹配它们的表达模式。实际上，空间上邻近的CA1亚型表现出高度的转录相似性，例如CA1sp3、CA1sp1和CA1sp6亚型的细胞相互靠近，并显示出高度的转录的相关性。有趣的是，这种关系不是双向的，转录相似性本身并不一定能预测空间邻近性，例如CA1sp10、CA1sp7和CA1sp4亚型之间的相关性大于0.95，但彼此之间并不接近。为了检验这一原理是否超越了同一类型的亚型，研究人员比较了CA1神经元和Sst中间神经元，发现许多Sst亚型在其定位上具有很高的特异性，并且在转录上与非Sst相邻亚型相关。
JSTA识别空间差异基因表达。通过对80个候选基因的细胞内亚型空间差异基因表达的分析，在61个亚型中发现了63个具有统计学意义的空间差异基因表达。
在技术方面，上述研究已展示了JSTA对MERFISH和osmFISH的性能。然而，该算法是可扩展的，并且可以应用于其他基于原位测序、亚细胞空间条形码和潜在的任何其他空间“组学”平台的空间转录组学方法。此外，JSTA的细胞分割结果可以作为其他工具（如GIOTTO和TANGRAM）的输入，以便于单细胞和空间转录组数据分析。
JSTA源代码可在如下链接获取：https://github.com/wollmanlab/JSTA
参考文献
Littman R, Hemminger Z, Foreman R, et al. Joint cell segmentation and cell type annotation for spatial transcriptomics[J]. Molecular systems biology, 2021, 17(6): e10108.
图片来源于Molecular systems biology官网和参考文献，如有侵权请联系删除。
JSTA：将空间转录组原始数据转换成单细胞水平空间表达谱的专用工具相关推荐
- qq空间把android改成iphone,qq空间改iPhone6 Plus的教程
qq空间改iPhone6 Plus的教程 苹果发布了iPhone6和iPhone6 Plus,对于土豪们来说,iPhone6 Plus当然是换机的优先选择,相信随着身边使用iPhone6 Plus的朋 ...
- Science亮点！ExSeq：完整生物组织的原位空间转录组分析
背 景 介 绍 新一代测序技术的革新使得我们对生物体的组学信息有了更深的了解,随着转录组技术的日渐普及,尤其是单细胞转录组技术的突飞猛进,使得我们对组织内细胞异质性的认识有了很大提升,另外, ...
- 包教会一对一跟着CNS学单细胞测序（含空间转录组、chipseq、RNAseq、Atacseq 和外显子等）3月13日开始...
报名成功立马送您往期所有视频预习 本班实行"包教包会.一对一指导服务",即如果报本班,不仅有同步回放视频,而且一对一指导服务,解决学完无法消化问题.学不会免费继续学,直到学会为止. ...
- 热点综述 | 单细胞+空间转录组的整合分析方法总结
目前scRNA-seq将每个转录物与单个细胞相关联,但关于这些转录物在组织中的位置信息丢失了:相反的,空间转录组学技术知道转录物的位置,却不知道是哪个细胞产生了转录物.因此,scRNA-seq与空间转 ...
- 利用ffmpeg把一帧原始视频数据转换成jpg格式的图片
利用ffmpeg对一帧原始的视频数据转换成jpg格式的图片,保存到本地,用于Android显示 #include <jni.h> #include <stdio.h> #inc ...
- 单细胞及空间转录组设计分析与机器学习在生物医学+CADD计算机辅助药物设计应用专题
背景 "单细胞多组学技术"和"空间转录组技术"先后在2019年和2020年被Nature Methods评为年度技术方法.时间和空间维度多维研究技术结合,将以全 ...
- 单细胞及空间转录组高分文章解析！ceRNA学习！
培训背景 单细胞测序是从单个细胞水平对基因组和转录组进行研究.2015年以来,10X Genomics.Drop-seq.Micro-well.Split-seq等技术的出现,彻底降低了单细胞测序的成 ...
- 空间转录组学（Spatial Transcriptomics）
01.空间转录组技术的发展 近年来单细胞转录组测序技术的应用大大拓宽了人们的视野,使人们能够深入了解组织中细胞的构成的多样性和基因表达状态.众所周知,基因表达具有时间和空间的特异性,通过对不同时间点的 ...
- ClusterMap：用于空间基因表达的多尺度聚类分析 | 空间转录组分析工具推荐
在空间背景下量化RNA是了解复杂组织中基因表达和调控的关键.原位转录组方法可以在完整的组织中产生空间分辨率的RNA图谱.然而,目前还缺乏一个统一的计算工具来综合分析原位转录组数据.2021年10月,N ...
最新文章
- 欢乐纪中某A组赛【2019.7.10】
- oracle 快照用途,Oracle快照原理及实现总结
- redis的HyperLogLog与布隆过滤器
- 生产者消费者 java实现_Java生产者消费者的三种实现
- Linux 系统恢复误删除 Linux文件
- 怎么设置竖线分栏_做出专业级的Word文档分栏，只需这3个技巧
- 2022-2028全球骨科创伤植入物行业调研及趋势分析报告
- Python做出来的数据可视化真香！！
- FastText学习笔记
- 没有服务器认证消息,关于《跑跑卡丁车》没有服务器认证消息的问题，怎么解决？...
- 这三个步骤让你知道WPS如何转换成WORD文档
- 太牛了，国人纯手工自制CPU，耗时半年，用了3000多个晶体管
- css 属性 calc 的使用
- PMP计算题笔记（净现值、投资回收期、PERT、总价加激励、成本加激励）
- 解决Unable to find encoder for type stored in a Dataset问题
- elementUI v-loading不显示问题
- ubuntu WPS 报错系统缺失字体symbol、wingdings、wingdings 2、wingdings 3
- 解决.Net 4.0 A potentially dangerous Request.Form value was detected from the client 异常
- Windows下解决依赖动态库问题：bat脚本实现自动复制dll文件
- VL (Vision and Language) 任务简介及数据集