dafabet手机黄金版_dafabet黄金手机版

空间转录组允许我们在保留空间信息的基础上进行全转录组测绘，但由于技术限制，目前10X Visium空间转录组数据并未达到真正的单细胞水平分辨率，每个测量点（直径55µm）可能包含多个细胞。SPOT去卷积等分析方法并没有有效地利用空间信息来解决分辨率的局限性，仅仅推测了每个Spot的细胞类型组成，Spot基因表达仍为不同细胞的合集。考虑到邻近SPOT的基因表达更具有相似性，可以借助相邻SPOT的信息来增加基因表达的分辨率。本文对BayesSpace进行方法简述、结果解读及文章案例分享。

BayesSpace是一种利用空间转录组中邻近spot的信息来推测subspot信息，进而提高分辨率的空间聚类方法。不同于之前提到的去卷积方法，该方法不依赖于单细胞转录组数据。

BayesSpaces是一种完全贝叶斯统计方法，建立在相邻的spot更可能是同一种细胞类型的假设基础上。以下图中Visium数据为例，每个SPOT周边有6个相邻的SPOT，呈六边形分布。通过将每个SPOT分割为6个subspot，推断每个subspot的隐含聚类类别，实现更高清晰度地显示空间聚类结果和基因表达模式的目标。

运行完BayesSpace会得到增强分辨率的空间聚类结果和增强分辨率的基因表达信息。

a)增强分辨率的空间聚类结果（右）：BayesSpaceEnhancedPlot_By_Cluster.png/pdf

注：左图是原本Spot分辨率的聚类结果展示，每个Spot的颜色以不同类型的颜色表示；右图则是BayesSpace空间聚类的SubSpot分辨率的结果展示。

b)增强分辨率的基因表达展示（右）

注：左边4个图是原本Spot分辨率下的基因表达模式的展示，右边4个图是增强至subspot分辨率后的基因表达展示。原本很难看出空间模式的基因（可能被认为无空间表达模式），在增加分辨率后表达模式变得清晰可见。

BioxRxiv. 2022 （B）有炎症的口腔粘膜切片H&E组织学染色结果。（C）用BayesSpace分析的高分辨率聚类结果。

参考文献

1.Spatial transcriptomics at subspot resolution with BayesSpace. Nat Biotechnol. 2021.

2.Mapping the Spatial Dynamics of the Human Oral Mucosa in Chronic 1 Inflammatory Disease. bioRxiv. 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。