生物信息与智能医学团队最新研究工作在Cell子刊Cell Reports Methods上发表
2024年10月28日 编辑：生物信息与智能医学中心
近日，生物信息与智能医学团队和南方医科大学珠江医院、天津医科大学肿瘤医院等单位合作的研究工作Precise detection of
cell-type-specific domains in spatial
transcriptomics目前已发表在Cell子刊Cell Reports Methods上。
在临床研究与精准医疗领域，准确解析组织内细胞类型的空间异质性对于理解疾病机制、评估预后风险以及制定个性化治疗方案至关重要。然而，传统空间域分析方法在空间转录组学（SRT）研究中面临重大挑战，尤其是在检测低比例细胞类型的空间定位时，这些细胞往往与其他高比例细胞类型重叠或位于其内部，难以准确识别。
针对以上研究挑战，课题组首次提出“细胞类型特异性空间域”的新概念，相较于传统的空间域，它能够更好地表征空间转录组中低比例细胞类型所在的解剖学区域。基于该新概念，课题组开发了一种名为De-spot的计算方法，旨在精确且有效地检测空间转录组学中细胞类型特异性域，包括在single-cell
level和spot-level上的低比例细胞类型域。De-spot方法结合了分割和去卷积技术，形成了一种集成策略，能够生成细胞类型模式，并精准识别低比例细胞类型特异性域。
此外，该方法还开发了一种新的空间分子数据格式（SMD）和可扩展接口，适用于多种SRT平台，极大地增强了其通用性和实用性。为了直观展示细胞类型特异性域，课题组还开发了3D
Landscape工具，使得研究人员能够更直观地理解细胞类型特异性域在空间中的分布和相互作用。
De-spot不仅解决了当前计算方法在探测细胞类型特异性空间域的局限性，还为探索肿瘤微环境（TME）等复杂生物学过程提供了新的视角。研究团队通过实验表明De-spot能够探测到前所未见的细胞类型特异性域；定量评估结果也表明De-spot更好地优于现有方法。此外，De-spot在胰腺癌组织中的应用展示了De-spot在揭示癌症相关成纤维细胞与免疫相关细胞共定位方面的能力。进一步的分析发现，Serglycin（SRGN）可能是空间转录组切片中一个关键的肿瘤微环境标志物。De-spot在乳腺癌组织中的应用也揭示了在浸润性癌中耗竭T细胞的比例显著增加。通过精准识别细胞类型特异性域，De-spot为临床研究中深入理解疾病机制及优化治疗策略提供了新的见解。