dafabet手机黄金版_dafabet黄金手机版

空间转录组在保留空间信息的基础上进行，但每个测量点可能包含多个细胞。而单细胞转录组具有单细胞分辨率却丢失了空间信息。空间去卷积方法（如：RCTD, SPOTlight等）预测了SPOT中的细胞类型比例，增加了空间转录组分析的分辨率，但仍不属于单细胞分辨率，且不能在空间上推断连续的细胞信息（如：谱系轨迹和基因特征）。CellTrek将单细胞和空间转录组数据共嵌入同一维度，再构建随机森林模型，计算出每个细胞的空间坐标，实现在空转切片上映射出所有单个细胞的位置信息。此外，CellTrek下游有共定位和共表达两个分析模块，共定位可以分析不同细胞类型的空间关系，共表达可以分析感兴趣的某个细胞类型在空间上的基因表达模式。本文对CellTrek进行方法简述、结果解读及文章案例分享。

CellTrek是一种结合scRNA-seq和ST两个数据集，通过共嵌入和度量学习方法，实现单细胞信息映射至空间转录组切片上的方法。不同于之前提到的去卷积方法，该方法可以实现单细胞分辨率。

CellTrek是一种联合分析单细胞转录组和空间转录组的方法，通过将单细胞转录组数据和空间转录组数据共嵌入至一个共同的降维空间内，之后先对空间转录组的SPOT位置信息建立多元随机森林模型，构建多元随机森林树。基于共嵌入的数据，得到了基于随机森林距离的单细胞空间位置坐标，再将该空间位置坐标映射至空间转录组切片上，实现单细胞空间映射。

运行完CellTrek会得到在空转切片上单细胞分辨率的细胞映射图，不同细胞类型在空间距离差异的网络图以及感兴趣的某个细胞类型在空间上的基因共表达模式图。

a)空转切片上单细胞分辨率的细胞映射图（左）；L5 IT细胞在空转切片上单细胞分辨率的细胞映射图（右）

b)所选细胞类型在空间上的定位网络图

C）选定细胞类型的基因共表达模块及其表达模式在空间转录组切片上的映射

注：上图表示选择的细胞类型（以L5 IT类型为例）找出的两个基因共表达模块的相似性热图。下图表示L5 IT的两个基因表达模块在UMAP以及细胞映射到空转切片上的表达情况，点的颜色代表基因模块的表达高低。

BioxRxiv. 2022 （A）不同恶性状态的细胞在3个具有代表性的治疗初期转移样本的H&E组织学染色结果上的映射。图中不同颜色代表不同恶性状态的细胞类型。

参考文献

1.Spatial charting of single-cell transcriptomes in tissues. Nat Biotechnol. 2022.

2. A TCF4/BRD4-dependent regulatory network confers cross-resistance to targeted and immune checkpoint therapy in melanoma. BioxRxiv. 2022.

在单细胞业务领域，dafabet黄金手机版拥有强大的生物信息分析团队，搭建有成熟的数据分析流程体系，为客户提供精确可信的研究结果。公司同时配备有物理服务器和云服务器双重高性能计算平台，能够有效掌控对大数据样本的分析、交付、存储等需求。我们开发了一系列单细胞个性化分析方法，涵盖从基础分析到高级分析多种模块，同时每个模块提供多种计算方法，实现多元化，精细化，灵活贯通满足不同客户需求，及时高效助力客户发表高分文章。

前言

 

空间转录组在保留空间信息的基础上进行，但每个测量点可能包含多个细胞。而单细胞转录组具有单细胞分辨率却丢失了空间信息。空间去卷积方法（如：RCTD, SPOTlight等）预测了SPOT中的细胞类型比例，增加了空间转录组分析的分辨率，但仍不属于单细胞分辨率，且不能在空间上推断连续的细胞信息（如：谱系轨迹和基因特征）。CellTrek将单细胞和空间转录组数据共嵌入同一维度，再构建随机森林模型，计算出每个细胞的空间坐标，实现在空转切片上映射出所有单个细胞的位置信息。此外，CellTrek下游有共定位和共表达两个分析模块，共定位可以分析不同细胞类型的空间关系，共表达可以分析感兴趣的某个细胞类型在空间上的基因表达模式。本文对CellTrek进行方法简述、结果解读及文章案例分享。

 

 

注：左图是空转组织切片的Spot点图，点的颜色区分不同的Spot类群（Cluster）；右图则是CellTrek单细胞分辨率的映射图，每个点代表一个细胞，每种颜色代表一个细胞类型。

#1

方法简述

 

 

CellTrek是一种结合scRNA-seq和ST两个数据集，通过共嵌入和度量学习方法，实现单细胞信息映射至空间转录组切片上的方法。不同于之前提到的去卷积方法，该方法可以实现单细胞分辨率。

 

 

 

 

CellTrek是一种联合分析单细胞转录组和空间转录组的方法，通过将单细胞转录组数据和空间转录组数据共嵌入至一个共同的降维空间内，之后先对空间转录组的SPOT位置信息建立多元随机森林模型，构建多元随机森林树。基于共嵌入的数据，得到了基于随机森林距离的单细胞空间位置坐标，再将该空间位置坐标映射至空间转录组切片上，实现单细胞空间映射。

 

 

 

#2

结果及解读

 

运行完CellTrek会得到在空转切片上单细胞分辨率的细胞映射图，不同细胞类型在空间距离差异的网络图以及感兴趣的某个细胞类型在空间上的基因共表达模式图。

 

a)空转切片上单细胞分辨率的细胞映射图（左）；L5 IT细胞在空转切片上单细胞分辨率的细胞映射图（右）

注：左图是所有细胞的映射图，每种颜色代表一种细胞类型；右图则是不同细胞状态的L5 IT细胞的UMAP图和映射图，每种颜色代表该细胞类型一种亚型的细胞。

 

b)所选细胞类型在空间上的定位网络图

 

注：图中的节点表示各细胞类型，线的粗细代表两种细胞类型间空间共定位的程度。

C）选定细胞类型的基因共表达模块及其表达模式在空间转录组切片上的映射

 

注：上图表示选择的细胞类型（以L5 IT类型为例）找出的两个基因共表达模块的相似性热图。下图表示L5 IT的两个基因表达模块在UMAP以及细胞映射到空转切片上的表达情况，点的颜色代表基因模块的表达高低。

 

 

#3

文章案例

 

 

 

BioxRxiv. 2022 （A）不同恶性状态的细胞在3个具有代表性的治疗初期转移样本的H&E组织学染色结果上的映射。图中不同颜色代表不同恶性状态的细胞类型。

 

 

参考文献

 

1.Spatial charting of single-cell transcriptomes in tissues. Nat Biotechnol. 2022.

2. A TCF4/BRD4-dependent regulatory network confers cross-resistance to targeted and immune checkpoint therapy in melanoma. BioxRxiv. 2022.

 

 

 

#4

总结

 

在单细胞业务领域，dafabet黄金手机版拥有强大的生物信息分析团队，搭建有成熟的数据分析流程体系，为客户提供精确可信的研究结果。公司同时配备有物理服务器和云服务器双重高性能计算平台，能够有效掌控对大数据样本的分析、交付、存储等需求。我们开发了一系列单细胞个性化分析方法，涵盖从基础分析到高级分析多种模块，同时每个模块提供多种计算方法，实现多元化，精细化，灵活贯通满足不同客户需求，及时高效助力客户发表高分文章。

前言

 

空间转录组在保留空间信息的基础上进行，但每个测量点可能包含多个细胞。而单细胞转录组具有单细胞分辨率却丢失了空间信息。空间去卷积方法（如：RCTD, SPOTlight等）预测了SPOT中的细胞类型比例，增加了空间转录组分析的分辨率，但仍不属于单细胞分辨率，且不能在空间上推断连续的细胞信息（如：谱系轨迹和基因特征）。CellTrek将单细胞和空间转录组数据共嵌入同一维度，再构建随机森林模型，计算出每个细胞的空间坐标，实现在空转切片上映射出所有单个细胞的位置信息。此外，CellTrek下游有共定位和共表达两个分析模块，共定位可以分析不同细胞类型的空间关系，共表达可以分析感兴趣的某个细胞类型在空间上的基因表达模式。本文对CellTrek进行方法简述、结果解读及文章案例分享。

 

 

注：左图是空转组织切片的Spot点图，点的颜色区分不同的Spot类群（Cluster）；右图则是CellTrek单细胞分辨率的映射图，每个点代表一个细胞，每种颜色代表一个细胞类型。

#1

方法简述

 

 

CellTrek是一种结合scRNA-seq和ST两个数据集，通过共嵌入和度量学习方法，实现单细胞信息映射至空间转录组切片上的方法。不同于之前提到的去卷积方法，该方法可以实现单细胞分辨率。

 

 

 

 

CellTrek是一种联合分析单细胞转录组和空间转录组的方法，通过将单细胞转录组数据和空间转录组数据共嵌入至一个共同的降维空间内，之后先对空间转录组的SPOT位置信息建立多元随机森林模型，构建多元随机森林树。基于共嵌入的数据，得到了基于随机森林距离的单细胞空间位置坐标，再将该空间位置坐标映射至空间转录组切片上，实现单细胞空间映射。

 

 

 

#2

结果及解读

 

运行完CellTrek会得到在空转切片上单细胞分辨率的细胞映射图，不同细胞类型在空间距离差异的网络图以及感兴趣的某个细胞类型在空间上的基因共表达模式图。

 

a)空转切片上单细胞分辨率的细胞映射图（左）；L5 IT细胞在空转切片上单细胞分辨率的细胞映射图（右）

注：左图是所有细胞的映射图，每种颜色代表一种细胞类型；右图则是不同细胞状态的L5 IT细胞的UMAP图和映射图，每种颜色代表该细胞类型一种亚型的细胞。

 

b)所选细胞类型在空间上的定位网络图

 

注：图中的节点表示各细胞类型，线的粗细代表两种细胞类型间空间共定位的程度。

C）选定细胞类型的基因共表达模块及其表达模式在空间转录组切片上的映射

 

注：上图表示选择的细胞类型（以L5 IT类型为例）找出的两个基因共表达模块的相似性热图。下图表示L5 IT的两个基因表达模块在UMAP以及细胞映射到空转切片上的表达情况，点的颜色代表基因模块的表达高低。

 

 

#3

文章案例

 

 

 

BioxRxiv. 2022 （A）不同恶性状态的细胞在3个具有代表性的治疗初期转移样本的H&E组织学染色结果上的映射。图中不同颜色代表不同恶性状态的细胞类型。

 

 

参考文献

 

1.Spatial charting of single-cell transcriptomes in tissues. Nat Biotechnol. 2022.

2. A TCF4/BRD4-dependent regulatory network confers cross-resistance to targeted and immune checkpoint therapy in melanoma. BioxRxiv. 2022.

 

 

 

#4

总结

 

在单细胞业务领域，dafabet黄金手机版拥有强大的生物信息分析团队，搭建有成熟的数据分析流程体系，为客户提供精确可信的研究结果。公司同时配备有物理服务器和云服务器双重高性能计算平台，能够有效掌控对大数据样本的分析、交付、存储等需求。我们开发了一系列单细胞个性化分析方法，涵盖从基础分析到高级分析多种模块，同时每个模块提供多种计算方法，实现多元化，精细化，灵活贯通满足不同客户需求，及时高效助力客户发表高分文章。