|
空间转录组学技术正在改变我们了解复杂组织的方式。 了解细胞和组织的组织结构，以及这一结构如何影响功能的，这是生命科学研究的一项基本目标。多年以来，技术的进步已经在这些方面取得了不少成果，比如测序方法使我们能够了解复杂组织中的细胞类型及其异质性；显微镜技术进展，包括超分辨率和单分子成像，已经改变了我们对细胞，组织结构和功能的理解。而今年Nature Methods评出的“年度技术”——spatially resolved transcriptomics，即空间转录组学，则为生物学家们提供了关于单细胞生物学的独特视角。 此前，Nature Methods年度技术花落单细胞RNA和DNA测序，去年则是单细胞多组学（single-cell multimodal omics），选择这些技术的原因，其实和今年选择了空间转录组学是一样，那就是这些方法与之前的传统技术不同，分析的是单个细胞异质性，并定义细胞类型，同时还保留空间信息。 空间背景的这种维持对于理解细胞生物学，发育生物学，神经生物学，肿瘤生物学等的关键信息至关重要，因为特定的细胞类型及其特定组织与生物学活性至关重要，而且目前在整个组织和器官水平上仍然属于空白。因此，诸如人类细胞图谱和BICCN之类的大型项目也开始着力于空间转录组学技术，其最终目标是生成大型复杂组织（如人脑）的完整图谱。 广义上讲，空间转录组学研究包含两种方法，转录组可以通过显微镜，通过原位测序或多重荧光原位杂交（FISH）进行读取。或者当采用异位RNA-seq（ex situ RNA-seq，生物通注）进行测序时，保留空间信息，捕获RNA。这些方法通常是互补的，并且在靶标覆盖范围，空间分辨率和通量方面有所不同；与所有方法一样，它们必须与生物学问题相匹配。 在Nature Methods年度技术点评文章中，庄小威深入探讨了基于图像的空间转录组方法。这些方法提供了最高的空间分辨率，提供了对亚细胞信息的分析，但是在序列覆盖率和总体通量方面受到限制。该评论重点介绍了基于FISH的方法，以及如何推动它们达到更大数量的靶标或覆盖更大数量的细胞。 它还涵盖了原位测序方法及其功能和存在问题，例如靶标密度和通量速度，以及如何应对这些挑战。这篇文章还讨论了空间转录组学如何实现亚细胞转录组作图以及这与基因组组织之间的关系。 Joakim Lundeberg等人则描述了将空间定位和单细胞RNA-seq（scRNA-seq）结合起来的方法。在这些方法中，细胞RNA在均质化和scRNA-seq之前，根据细胞在组织切片中的位置被条形码化。这些方法以相对较高的通量提供了转录组图谱的无偏捕获，但还不能提供亚细胞分辨率。这篇文章涵盖了最近为提高分辨率而进行的努力，以及通过空间基因表达，以及健康和患病组织的转录变化将器官成像的方法。作者期望实现多模态空间分析，从而能够并行测量转录组，基因组和蛋白质组。 BICCN项目的曾红葵（Hongkui Zeng）博士等人则探讨了为什么这些技术对于理解复杂组织如此重要，以及研究人员在绘制大脑细胞组织图谱方面取得的进展。研究人员还面临着多个挑战，例如将读图映射回其原始细胞以及可扩展性问题。 这些方法已经建立完善，并且已经远远超出了其来自的实验室，未来的发展将会一步步推动这些方法成为主流。 在基于成像的方法方面，Nature Methods预计提供高分辨率的大视野显微镜的进步将提高通量；改进的样品制备方法（例如组织清除和扩展显微镜）将有助于应对自体荧光等挑战。对于基于异位测序的方法，测序技术的进步也许将提高灵敏度和覆盖范围，并且条形码平台的进步（例如使用微珠和微流体技术）以及条形码策略的组合将带来数据质量和亚细胞分辨率的提高。同时，还有用于自动处理数据和处理庞大数据集的软件工具，这些工具很重要。多模式应用对于增加组织信息含量也至关重要。 除了年度技术，Nature Methods也介绍了2021技术展望。 参考文献 Method of the Year 2020: spatially resolved transcriptomics
|
|
|
