近年來，隨著多重免疫熒光mIHC技術和圖像定量分析技術的發(fā)展，對于組織原位蛋白標記物的檢測數(shù)量更多，進而可以更好的分析組織微環(huán)境的組成結(jié)構和更詳細的細胞分型。例如CODEX技術，可以在一張組織切片上，實現(xiàn)40種以上的抗原標記。結(jié)合分析軟件，可基于表達相似類型抗原集合實現(xiàn)自動化細胞分型和聚類分析。

單細胞轉(zhuǎn)錄組測序（single-cell RNA-seq，scRNA-seq）可在單細胞水平揭示全基因組范圍內(nèi)所有基因的表達情況，非常有利于研究細胞間的表達異質(zhì)性。通過scRNA-seq可以在轉(zhuǎn)錄水平上，基于每個細胞中的上千個基因的表達水平進行分型和聚類。而CITE-seq（Cellular Indexing of Transcriptomes and Epitopes by sequencing，通過測序來進行轉(zhuǎn)錄組和表位的細胞索引技術）技術能夠?qū)��?shù)千個單細胞的表面蛋白標記物進行測定，同時還能夠?qū)ο嗤瑔渭毎�中的mRNA進行測序。為了提升對mIHC數(shù)據(jù)的注釋能力，越來越多的研究人員選擇將scRNA-seq數(shù)據(jù)與mIHC數(shù)據(jù)結(jié)合起來。

自賓夕法尼亞大學的科研人員在SCIENCE ADVANCES發(fā)表了一篇名為“Single-cell transcriptomic analysis of mIHC images via antigen mapping”的文章。在文章中開發(fā)了 STvEA 算法(Spatially resolved transcriptomics via epitope anchoring)，該算法利用CITE-seq 得到的 RNA 測序數(shù)據(jù)，對CODEX 全組織單細胞表達圖片進行注釋。該分析方法不僅允許作者通過抗原表達類型和轉(zhuǎn)錄組表達狀態(tài)注釋細胞，而且還可以分析空間基因表達情況和研究細胞群體之間的相互作用。

STvEA算法通過三個步驟對單細胞轉(zhuǎn)錄組數(shù)據(jù)進行分析。第一步，通過共享的抗體panel，將CODEX得到的蛋白空間表達圖譜，與CITE-seq得到的轉(zhuǎn)錄組信息通過軟件算法結(jié)合起來；之后，將基于mRNA表達結(jié)果進行的細胞分型整合到CODEX空間單細胞圖像上，得到空間轉(zhuǎn)錄信息注釋；最后，STvEA可以幫助研究人員根據(jù)CODEX空間蛋白表型和CITE-seq的轉(zhuǎn)錄組數(shù)據(jù)對細胞分型結(jié)果進行驗證和細胞群體之間相互關系研究。

文章選擇小鼠脾臟作為研究樣本，將CITE-seq測序數(shù)據(jù)集定位到CODEX空間原位圖像上。基于CODEX和CITE-seq繪制表達圖譜的原理如下圖A展示，該算法基于兩種方法學得到數(shù)據(jù)中共有的鄰域和mRNA表達譜的一致性，得到CODEX和CITE-seq細胞集合中的對應關系，再基于這些對應關系將兩個細胞集合整合為一個細胞蛋白表達圖譜。之后，如下圖B所示，將CITE-seq細胞集合定位到脾臟組織切片的CODEX空間原位圖像上。

同時，作者基于轉(zhuǎn)錄組表達結(jié)果注釋了脾臟組織中的細胞群體，將細胞分為17種亞型，并對CODEX空間原位圖片中的細胞根據(jù)這17種亞型進行分型。并通過STvEA算法繪制了以下幾個UMAP圖（注：UMAP是一種單細胞數(shù)據(jù)降維可視化工具）和空間分布圖：下圖A展示的為基于這17種分型對CODEX蛋白表達聚類結(jié)果注釋的UMAP圖；圖B展示的這17種分型對CITE-seq蛋白表達聚類結(jié)果注釋的UMAP圖；圖C展示的是在組織切片上這17種細胞亞型的空間分布。

并展示了CODEX細胞與同一CITE-seq細胞相關蛋白表達譜的一致性。

[參考信息]

1. Single-cell transcriptomic analysis of mIHC images via antigen mapping. SCIENCE ADVANCES • 5 Mar 2021,Vol 7, Issue 10