【空间&单细胞组学】第1期：单细胞结合空间转录组研究PDAC肿瘤微环境

6.19那天我在公粽号发布了创建空间&单细胞组学文献学习小组的帖子，同时出了几个思考题。因为人数有所控制，最终的小组成员只确定了9位，还有十多位联系我的朋友，没有赶上这次的班车，向你们表示歉意。以后如果有其他小组，我会再通知大家。学习小组的教程、视频等等以后都会在公粽号发布，大家可以关注一下。

上周日，小组进行了第1期分享，由TOP菌和Jeffery主讲，分别介绍了：

2020年单细胞结合空间转录组研究PDAC肿瘤微环境的论文
science最新发表的单细胞空间代谢组学技术

本篇推文是TOP菌文献分享的文字版，视频讲解已在B站发布；
本期的第2篇推文是Jeffery文献分享的文字版，转载自他的公粽号：生信编程自修室

下面进入文献解读

背景

这篇文章发表于2020年1月，是我能找到的最早的单细胞结合空转文章。

文章的相关背景主要是3点：

scRNA-seq在测序之前会进行解离，损失了空间信息
结合原位杂交技术和scRNA-seq可以一定程度解决上述问题，但ISH的限制也很明显，只能捕获少量的基因
早在2016年的时候，空间转录组技术诞生，但限制是缺少单细胞的分辨率

这篇文章结合scRNA-seq和空间转录组，两种技术优势互补，探究胰腺导管腺癌的肿瘤微环境

结果

1.鉴定细胞亚群

技术路线相对简单，早期的文章样本量也不大，主要内容都是基于两个病人的样本做的（配对样本这一点比较稀缺）

先做了两个病人的单细胞数据的分群注释，然后看了一下A,B两个病人亚群注释结果的一致性。

仍然是通过推断CNV的方法鉴定了恶性细胞，进一步从CNV热图中看出A病人中存在两组CNV差异明显的细胞。
通过免疫荧光证实了A,B病人中肿瘤细胞的存在。

2.分析空间转录组数据

首先根据HE染色图片将A,B病人的切片根据组织特征分区，从空间转录组数据也能看到一些与分区对应的基因表达

仅从空转表达数据，通过类似单细胞转录组的分析流程，也能看到几群spot，且和基于组织切片的分区是一致的

3.MIA(多模态交集分析)

从原理上讲，类似富集分析，并不复杂。
右边的热图是一列一列来看的，红色越深，表示这种细胞类型在这个region中越富集。
作者通过这个分析，发现A病人中，在cancer region除了富集到肿瘤细胞以外，还富集到成纤维细胞。

4.细胞小类的分析

这一部分用相同的套路分析了导管上皮细胞、巨噬细胞、DC细胞。先分小类，再用MIA的方法看小类在region上面的富集情况。

5.在cancer region中，不同的肿瘤细胞是否会和不同的其它细胞类型存在共定位

额外取了A病人的两个切片，在三个切片中进一步细分了cancer region。三个切片都能看到cancer cluster1与成纤维细胞的共定位。

6.从细胞状态的角度去联系scRNA-seq和空转

利用NMF从单细胞转录组数据中得到了3个表达模块，作者聚焦到了stress-response相关的模块。

随后根据stress-response模块的表达，将cancer region的spot分成了高低两组，两组之间继续进行比较，找出high这组的高表达基因。很显然，stress-response相关的基因已经是差异基因了，为什么还要这样做？这样做的目的至少有两个：

增加细胞数目
反映除了stress-response以外的其他特征

找出的这些基因代表了stress-response high的那些spot的区域特征，然后用MIA分析看stress-response high的区域会富集什么细胞，结果显示iCAF(炎症性成纤维细胞)会富集在这些区域。（上文有类似的结论，此处的结论是进一步细化。）

TCGA的bulk样本也验证了iCAF signature和stress-response module的相关性

免疫荧光也证实了这一结果。

文章还用不配对的黑色素瘤样本，进一步说明了MIA分析的可应用性。