Engage to Life Energy
生信分析丨空间转录组·SPOT去卷积—RCTD
发布日期：2022-09-30浏览：
次
10X Visium平台所产生的空间转录组数据的局限性之一是，每个测量点（直径55µm）可能包含多个细胞，因而隐藏细胞特异的空间表达模式。相反，单细胞转录组数据虽然是单细胞分辨率，但由于单细胞悬液制备过程中的解离步骤导致了组织空间信息的丢失。SPOT去卷积的分析目的在于，整合单细胞表达数据通过反卷积方法估计空间转录组中每个Spot样本点的细胞类型比例。
（图片来源：https://www.10xgenomics.com）
SPOT去卷积的可选算法很多，如：RCTD, SPOTlight, Stereoscope, STRIDE, Cell2location, spatialDWLS, NMFreg, CCA, DSTG, Giotto, DestVI, STdeconvolve, Tangram, CellDART, MuSiC等；本文对RCTD进行方法简述、结果解读及文章案例分享。
Robust cell type decomposition（RCTD）去卷积分析需要用到注释好的scRNA-seq数据，如果空间转录组（ST）与单细胞转录组（scRNA）样本包含类似的细胞类型种类，每个Spot可能包含按照一定比例的多个异质类型细胞组成，则可以根据这个方法估计这些未知比例。
对于ST和scRNA的基因与细胞/Spot表达矩阵，RCTD先针对包含已知细胞类型信息的scRNA部分，筛选每个细胞类型特异表达的特征基因集；假设SPOT表达计数值符合泊松分布，由单细胞数据中的已知细胞类型平均标准化表达值按照未知比例权重加和而成；同时考虑单细胞与空间平台间的批次效应，构建层级统计模型，估计出每个SPOT已知细胞类型比例值，并给出最大概率的单种细胞类型和双种细胞类型。
运行完RCTD会得到每个SPOT中预测的各细胞类型占比权重，并可以据此在空间组织切片上进行去卷积结果展示。有以下3个文件：
a)每个Spot中各细胞类型的占比权重值：Cell_type_weights.xlsx
注：每行为1个SPOT，每列为1种细胞类型。每行（每个SPOT）中各细胞类型占比权重加和为1
b)每种细胞类型在空间组织切片的分布：ST_by_PredictCellType_RCTD.pdf/png
注：SPOT颜色深浅代表选中细胞类型在每个Spot的占比。
c)全部细胞类型在空间组织切片的分布：Spatial_Plot_by_CellType.pdf/png
注：SPOT饼图中不同颜色代表不同细胞类型，展示每个SPOT细胞类型组成。
BioxRxiv. 2021 （h）H&E组织学染色结果以及RCTD去卷积预测的每个SPOT细胞类型组成。饼图中不同颜色代表不同细胞类型。（i）dPT细胞类型、CDH6基因、T细胞类型的空间分布/空间定位。左右两图中颜色深浅代表选中细胞类型在每个Spot的占比权重。
iScience. 2022 （i）组织学展示气道位置。（ii）RCTD计算出的Club细胞的空间定位。（iii）Scgb1a1基因的空间分布。Club细胞和Scgb1a1基因表达以及组织学气道共定位。
参考文献
1.Robust decomposition of cell type mixtures in spatial transcriptomics. Nat Biotechnol. 2021.
2.An atlas of healthy and injured cell states and niches in the human kidney. BioxRxiv. 2021.
3.Integrative analysis of spatial transcriptome with single-cell transcriptome and single-cell epigenome in mouse lungs after immunization. iScience. 2022
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。
10X Visium平台所产生的空间转录组数据的局限性之一是，每个测量点（直径55µm）可能包含多个细胞，因而隐藏细胞特异的空间表达模式。相反，单细胞转录组数据虽然是单细胞分辨率，但由于单细胞悬液制备过程中的解离步骤导致了组织空间信息的丢失。SPOT去卷积的分析目的在于，整合单细胞表达数据通过反卷积方法估计空间转录组中每个Spot样本点的细胞类型比例。
（图片来源：https://www.10xgenomics.com）
SPOT去卷积的可选算法很多，如：RCTD, SPOTlight, Stereoscope, STRIDE, Cell2location, spatialDWLS, NMFreg, CCA, DSTG, Giotto, DestVI, STdeconvolve, Tangram, CellDART, MuSiC等；本文对RCTD进行方法简述、结果解读及文章案例分享。
Robust cell type decomposition（RCTD）去卷积分析需要用到注释好的scRNA-seq数据，如果空间转录组（ST）与单细胞转录组（scRNA）样本包含类似的细胞类型种类，每个Spot可能包含按照一定比例的多个异质类型细胞组成，则可以根据这个方法估计这些未知比例。
对于ST和scRNA的基因与细胞/Spot表达矩阵，RCTD先针对包含已知细胞类型信息的scRNA部分，筛选每个细胞类型特异表达的特征基因集；假设SPOT表达计数值符合泊松分布，由单细胞数据中的已知细胞类型平均标准化表达值按照未知比例权重加和而成；同时考虑单细胞与空间平台间的批次效应，构建层级统计模型，估计出每个SPOT已知细胞类型比例值，并给出最大概率的单种细胞类型和双种细胞类型。
运行完RCTD会得到每个SPOT中预测的各细胞类型占比权重，并可以据此在空间组织切片上进行去卷积结果展示。有以下3个文件：
a)每个Spot中各细胞类型的占比权重值：Cell_type_weights.xlsx
注：每行为1个SPOT，每列为1种细胞类型。每行（每个SPOT）中各细胞类型占比权重加和为1
b)每种细胞类型在空间组织切片的分布：ST_by_PredictCellType_RCTD.pdf/png
注：SPOT颜色深浅代表选中细胞类型在每个Spot的占比。
c)全部细胞类型在空间组织切片的分布：Spatial_Plot_by_CellType.pdf/png
注：SPOT饼图中不同颜色代表不同细胞类型，展示每个SPOT细胞类型组成。
BioxRxiv. 2021 （h）H&E组织学染色结果以及RCTD去卷积预测的每个SPOT细胞类型组成。饼图中不同颜色代表不同细胞类型。（i）dPT细胞类型、CDH6基因、T细胞类型的空间分布/空间定位。左右两图中颜色深浅代表选中细胞类型在每个Spot的占比权重。
iScience. 2022 （i）组织学展示气道位置。（ii）RCTD计算出的Club细胞的空间定位。（iii）Scgb1a1基因的空间分布。Club细胞和Scgb1a1基因表达以及组织学气道共定位。
参考文献
1.Robust decomposition of cell type mixtures in spatial transcriptomics. Nat Biotechnol. 2021.
2.An atlas of healthy and injured cell states and niches in the human kidney. BioxRxiv. 2021.
3.Integrative analysis of spatial transcriptome with single-cell transcriptome and single-cell epigenome in mouse lungs after immunization. iScience. 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。
10X Visium平台所产生的空间转录组数据的局限性之一是，每个测量点（直径55µm）可能包含多个细胞，因而隐藏细胞特异的空间表达模式。相反，单细胞转录组数据虽然是单细胞分辨率，但由于单细胞悬液制备过程中的解离步骤导致了组织空间信息的丢失。SPOT去卷积的分析目的在于，整合单细胞表达数据通过反卷积方法估计空间转录组中每个Spot样本点的细胞类型比例。
（图片来源：https://www.10xgenomics.com）
SPOT去卷积的可选算法很多，如：RCTD, SPOTlight, Stereoscope, STRIDE, Cell2location, spatialDWLS, NMFreg, CCA, DSTG, Giotto, DestVI, STdeconvolve, Tangram, CellDART, MuSiC等；本文对RCTD进行方法简述、结果解读及文章案例分享。
Robust cell type decomposition（RCTD）去卷积分析需要用到注释好的scRNA-seq数据，如果空间转录组（ST）与单细胞转录组（scRNA）样本包含类似的细胞类型种类，每个Spot可能包含按照一定比例的多个异质类型细胞组成，则可以根据这个方法估计这些未知比例。
对于ST和scRNA的基因与细胞/Spot表达矩阵，RCTD先针对包含已知细胞类型信息的scRNA部分，筛选每个细胞类型特异表达的特征基因集；假设SPOT表达计数值符合泊松分布，由单细胞数据中的已知细胞类型平均标准化表达值按照未知比例权重加和而成；同时考虑单细胞与空间平台间的批次效应，构建层级统计模型，估计出每个SPOT已知细胞类型比例值，并给出最大概率的单种细胞类型和双种细胞类型。
运行完RCTD会得到每个SPOT中预测的各细胞类型占比权重，并可以据此在空间组织切片上进行去卷积结果展示。有以下3个文件：
a)每个Spot中各细胞类型的占比权重值：Cell_type_weights.xlsx
注：每行为1个SPOT，每列为1种细胞类型。每行（每个SPOT）中各细胞类型占比权重加和为1
b)每种细胞类型在空间组织切片的分布：ST_by_PredictCellType_RCTD.pdf/png
注：SPOT颜色深浅代表选中细胞类型在每个Spot的占比。
c)全部细胞类型在空间组织切片的分布：Spatial_Plot_by_CellType.pdf/png
注：SPOT饼图中不同颜色代表不同细胞类型，展示每个SPOT细胞类型组成。
BioxRxiv. 2021 （h）H&E组织学染色结果以及RCTD去卷积预测的每个SPOT细胞类型组成。饼图中不同颜色代表不同细胞类型。（i）dPT细胞类型、CDH6基因、T细胞类型的空间分布/空间定位。左右两图中颜色深浅代表选中细胞类型在每个Spot的占比权重。
iScience. 2022 （i）组织学展示气道位置。（ii）RCTD计算出的Club细胞的空间定位。（iii）Scgb1a1基因的空间分布。Club细胞和Scgb1a1基因表达以及组织学气道共定位。
参考文献
1.Robust decomposition of cell type mixtures in spatial transcriptomics. Nat Biotechnol. 2021.
2.An atlas of healthy and injured cell states and niches in the human kidney. BioxRxiv. 2021.
3.Integrative analysis of spatial transcriptome with single-cell transcriptome and single-cell epigenome in mouse lungs after immunization. iScience. 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。
10X Visium平台所产生的空间转录组数据的局限性之一是，每个测量点（直径55µm）可能包含多个细胞，因而隐藏细胞特异的空间表达模式。相反，单细胞转录组数据虽然是单细胞分辨率，但由于单细胞悬液制备过程中的解离步骤导致了组织空间信息的丢失。SPOT去卷积的分析目的在于，整合单细胞表达数据通过反卷积方法估计空间转录组中每个Spot样本点的细胞类型比例。
（图片来源：https://www.10xgenomics.com）
SPOT去卷积的可选算法很多，如：RCTD, SPOTlight, Stereoscope, STRIDE, Cell2location, spatialDWLS, NMFreg, CCA, DSTG, Giotto, DestVI, STdeconvolve, Tangram, CellDART, MuSiC等；本文对RCTD进行方法简述、结果解读及文章案例分享。
Robust cell type decomposition（RCTD）去卷积分析需要用到注释好的scRNA-seq数据，如果空间转录组（ST）与单细胞转录组（scRNA）样本包含类似的细胞类型种类，每个Spot可能包含按照一定比例的多个异质类型细胞组成，则可以根据这个方法估计这些未知比例。
对于ST和scRNA的基因与细胞/Spot表达矩阵，RCTD先针对包含已知细胞类型信息的scRNA部分，筛选每个细胞类型特异表达的特征基因集；假设SPOT表达计数值符合泊松分布，由单细胞数据中的已知细胞类型平均标准化表达值按照未知比例权重加和而成；同时考虑单细胞与空间平台间的批次效应，构建层级统计模型，估计出每个SPOT已知细胞类型比例值，并给出最大概率的单种细胞类型和双种细胞类型。
运行完RCTD会得到每个SPOT中预测的各细胞类型占比权重，并可以据此在空间组织切片上进行去卷积结果展示。有以下3个文件：
a)每个Spot中各细胞类型的占比权重值：Cell_type_weights.xlsx
注：每行为1个SPOT，每列为1种细胞类型。每行（每个SPOT）中各细胞类型占比权重加和为1
b)每种细胞类型在空间组织切片的分布：ST_by_PredictCellType_RCTD.pdf/png
注：SPOT颜色深浅代表选中细胞类型在每个Spot的占比。
c)全部细胞类型在空间组织切片的分布：Spatial_Plot_by_CellType.pdf/png
注：SPOT饼图中不同颜色代表不同细胞类型，展示每个SPOT细胞类型组成。
BioxRxiv. 2021 （h）H&E组织学染色结果以及RCTD去卷积预测的每个SPOT细胞类型组成。饼图中不同颜色代表不同细胞类型。（i）dPT细胞类型、CDH6基因、T细胞类型的空间分布/空间定位。左右两图中颜色深浅代表选中细胞类型在每个Spot的占比权重。
iScience. 2022 （i）组织学展示气道位置。（ii）RCTD计算出的Club细胞的空间定位。（iii）Scgb1a1基因的空间分布。Club细胞和Scgb1a1基因表达以及组织学气道共定位。
参考文献
1.Robust decomposition of cell type mixtures in spatial transcriptomics. Nat Biotechnol. 2021.
2.An atlas of healthy and injured cell states and niches in the human kidney. BioxRxiv. 2021.
3.Integrative analysis of spatial transcriptome with single-cell transcriptome and single-cell epigenome in mouse lungs after immunization. iScience. 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。
10X Visium平台所产生的空间转录组数据的局限性之一是，每个测量点（直径55µm）可能包含多个细胞，因而隐藏细胞特异的空间表达模式。相反，单细胞转录组数据虽然是单细胞分辨率，但由于单细胞悬液制备过程中的解离步骤导致了组织空间信息的丢失。SPOT去卷积的分析目的在于，整合单细胞表达数据通过反卷积方法估计空间转录组中每个Spot样本点的细胞类型比例。
（图片来源：https://www.10xgenomics.com）
SPOT去卷积的可选算法很多，如：RCTD, SPOTlight, Stereoscope, STRIDE, Cell2location, spatialDWLS, NMFreg, CCA, DSTG, Giotto, DestVI, STdeconvolve, Tangram, CellDART, MuSiC等；本文对RCTD进行方法简述、结果解读及文章案例分享。
Robust cell type decomposition（RCTD）去卷积分析需要用到注释好的scRNA-seq数据，如果空间转录组（ST）与单细胞转录组（scRNA）样本包含类似的细胞类型种类，每个Spot可能包含按照一定比例的多个异质类型细胞组成，则可以根据这个方法估计这些未知比例。
对于ST和scRNA的基因与细胞/Spot表达矩阵，RCTD先针对包含已知细胞类型信息的scRNA部分，筛选每个细胞类型特异表达的特征基因集；假设SPOT表达计数值符合泊松分布，由单细胞数据中的已知细胞类型平均标准化表达值按照未知比例权重加和而成；同时考虑单细胞与空间平台间的批次效应，构建层级统计模型，估计出每个SPOT已知细胞类型比例值，并给出最大概率的单种细胞类型和双种细胞类型。
运行完RCTD会得到每个SPOT中预测的各细胞类型占比权重，并可以据此在空间组织切片上进行去卷积结果展示。有以下3个文件：
a)每个Spot中各细胞类型的占比权重值：Cell_type_weights.xlsx
注：每行为1个SPOT，每列为1种细胞类型。每行（每个SPOT）中各细胞类型占比权重加和为1
b)每种细胞类型在空间组织切片的分布：ST_by_PredictCellType_RCTD.pdf/png
注：SPOT颜色深浅代表选中细胞类型在每个Spot的占比。
c)全部细胞类型在空间组织切片的分布：Spatial_Plot_by_CellType.pdf/png
注：SPOT饼图中不同颜色代表不同细胞类型，展示每个SPOT细胞类型组成。
BioxRxiv. 2021 （h）H&E组织学染色结果以及RCTD去卷积预测的每个SPOT细胞类型组成。饼图中不同颜色代表不同细胞类型。（i）dPT细胞类型、CDH6基因、T细胞类型的空间分布/空间定位。左右两图中颜色深浅代表选中细胞类型在每个Spot的占比权重。
iScience. 2022 （i）组织学展示气道位置。（ii）RCTD计算出的Club细胞的空间定位。（iii）Scgb1a1基因的空间分布。Club细胞和Scgb1a1基因表达以及组织学气道共定位。
参考文献
1.Robust decomposition of cell type mixtures in spatial transcriptomics. Nat Biotechnol. 2021.
2.An atlas of healthy and injured cell states and niches in the human kidney. BioxRxiv. 2021.
3.Integrative analysis of spatial transcriptome with single-cell transcriptome and single-cell epigenome in mouse lungs after immunization. iScience. 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。
