导语
同一张组织切片上，两个区域的RNA表达可能十分接近，表面蛋白却能区分其中的细胞。空间多组学可以同时测量这些分子并保留其组织位置，但要据此划分组织区域，还需要区分哪些差异反映细胞本身的特征，哪些来自检测技术；另一项难题是为这些区域和细胞命名。已有单细胞图谱提供了丰富的细胞类型注释，但参考图谱与新切片往往采用不同平台，细胞比例也有差别。如何综合同一位置的多层分子信息，再把已有图谱中的细胞身份准确对应到切片上，是构建空间细胞图谱的两项核心任务。
作者首先检验，将不同组学合并后，模型能否保留单一分子层难以完整呈现的组织边界。DIRAC以细胞或测量点为节点，根据空间邻近关系构图，并用图神经网络同时学习分子特征和邻域信息。训练过程中，模型削弱可用于辨别检测模态或批次的信号，保留可用于区分细胞类型和组织区域的特征。作者构建了含4个已知分区的模拟组织，每种模态只提供部分分区线索。联合RNA和蛋白后，DIRAC的分区结果与真实标签高度吻合，调整兰德指数（ARI）为0.956，加入染色质可及性数据后升至0.986。在胚胎第10天小鼠的DBiT-seq切片上，联合全转录组和22种蛋白也获得了连续的解剖分区。在这组真实数据中，DIRAC对组学间差异的校正和对生物学特征的保留均优于参与比较的其他方法（图1）。
图1 DIRAC的整合原理及其对空间组织分区的识别能力
在胶质母细胞瘤中，相邻的血管组织和增殖活跃的肿瘤组织能否被区分，是检验空间分区是否具有生物学意义的一个例子。作者整合Visium切片上的RNA与蛋白数据，识别出9个区域，涵盖肿瘤核心、浸润区和前缘等结构。其中，C1区沿增殖标志物PCNA高表达区的边界分布，富集血管内皮标志物CD31和血管壁细胞相关标志物αSMA。基于单细胞参考图谱的反卷积分析同样提示该区内皮细胞及血管壁细胞富集，支持将其注释为微血管增生相关的增殖–血管交界区。进一步分析发现，APLN和其受体APLNR的转录本在C1区与富含肿瘤相关巨噬细胞的C4区交界处相邻分布。结合CellChat推断的信号方向，作者提出，肿瘤来源的Apelin可能作用于邻近的APLNR阳性血管细胞，参与局部血管重塑（图2）。
图2 RNA与蛋白联合定位胶质母细胞瘤的增殖–血管交界区
为评估横向整合，作者轮流将一个模拟批次作为待注释样本，其余4个批次作为参考，比较不同方法转移细胞类型标签的准确率。在具有明确分区的模拟组织中，仅使用RNA的DIRAC平均准确率为88.1%，联合RNA与染色质可及性后达到99.1%。当参考图谱中人为移除两种细胞类型时，DIRAC能将相应区域标为低置信度、暂不分配标签，整体注释准确率仍为92.8%。作者随后使用12张经人工标注的人脑背外侧前额叶皮层切片进行留一验证。DIRAC能够区分皮层各层和白质，平均准确率为83.9%，受试者工作特征曲线下面积为0.9863。上述结果表明，互补的组学信号有助于弥补测量缺失，而置信度可帮助定位参考图谱尚未覆盖的细胞群（图3）。
图3 数据缺失与参考类型不全时的标签转移表现
既往空间转录组分析曾提示，重度阿尔茨海默病的前额叶皮层分层接近消失。作者以人工标注的Visium皮层切片为参考，重新分析了对照、中度和重度病例的前额极皮层（BA10）Stereo-seq数据。DIRAC显示，随着病变加重，皮层变薄、层间边界更不规则，但在所分析的重度样本中仍能辨认第1至第6层及白质。这一结果与神经病理学家依据苏木精–伊红染色独立划定的边界吻合。转移单核RNA测序参考标签后，少突胶质细胞主要位于白质，第2/3层端脑内投射型锥体神经元则集中在相应浅层。作者还将该方法用于胚胎第8.5至8.75天小鼠的seqFISH数据，在此前分区重叠的前脑内识别出端脑、间脑和下丘脑，分别得到Fgf15、Wnt5a和Shh局部表达的支持（图4）。
图4 DIRAC辨认重度阿尔茨海默病样本的皮层分层与胚胎前脑亚区
作者对小鼠胸腺开展Stereo-CITE-seq，同时测量全转录组和128种蛋白。DIRAC首先辨认出被膜、皮质、皮髓交界区及髓质，再在更细尺度上划分出10个解剖区域。随后，作者借助含71,365个细胞的胸腺单细胞CITE-seq参考图谱，为质控和去除被膜后的154,347个细胞注释类型。联合RNA和蛋白后，CD4、CD8双阴性细胞主要位于被膜下皮质，双阳性细胞从靠近被膜的增殖状态，向皮质深部的静息及受体信号应答状态过渡。单阳性细胞则由皮髓交界处的未成熟状态，逐渐过渡至髓质深部的成熟CD4或CD8单阳性状态。这些空间梯度与拟时序推断的发育顺序吻合，勾勒出不同成熟阶段胸腺细胞在组织内的迁移路径（图5）。
图5 胸腺空间多组学图谱呈现T细胞从皮质到髓质的发育梯度
在小鼠脾脏，作者对123,418个质控后的细胞进行分析，并借助单细胞CITE-seq参考图谱识别出25种主要细胞类型。对低置信度细胞另行聚类后，还找到了参考图谱缺少的被膜成纤维细胞和内皮细胞。联合RNA与蛋白后，白髓内的B细胞滤泡、T细胞区及其外围的边缘区清晰可辨。成熟B细胞集中在滤泡内部，边缘区B细胞和过渡型B细胞多沿外围排列，浆细胞主要位于红髓。单用RNA转移标签时，部分滤泡难以区分，单用蛋白则会把部分常规T细胞误注释为自然杀伤T细胞。作者进一步利用LIANA分析细胞通讯，在已知Apoe–Lrp1信号之外，发现巨噬细胞与中性粒细胞间Apoe–Sorl1的预测相互作用更强，由此提出一条脾脏内值得验证的候选通讯通路（图6）。
图6 脾脏空间图谱区分B细胞滤泡、T细胞区和边缘区
总之，这项研究将组织分区和细胞身份联系在同一张空间图谱上。在胶质母细胞瘤和阿尔茨海默病样本中，分子标志物、组织形态和细胞组成共同为分区边界提供了依据。在胸腺和脾脏中，RNA与表面蛋白的互补信息进一步区分了发育阶段相邻的T细胞及位置相近的B细胞亚群。随着带有注释的单细胞图谱不断积累，研究者可以借助DIRAC把这些细胞身份映射回新组织，统计特定区域内各类细胞的数量，并结合它们的空间位置提出可供实验检验的细胞通讯假设。
原文链接：https://www.nature.com/articles/s41592-026-03282-9
收藏
登录后参与评论
暂无评论