イメージングなしでの空間トランスクリプトミクスへの革新的アプローチ
研究者たちは、イメージング技術に頼らずに空間的な遺伝子発現を分析する新しい方法を発表した。
― 1 分で読む
細胞は組織内で協力して重要な機能を果たす。これがどのように調整されているのかを理解するために、科学者たちは細胞同士がどのようにコミュニケーションをとるか、分子から大きな組織構造まで、いろんなレベルで調べている。空間トランスクリプトミクスという新しい技術が、研究者たちが組織内で遺伝子がどこで活性化されているかを見る手助けをしていて、組織や細胞がどのように相互作用するかを研究するには欠かせないんだ。
イメージングはこれらの技術で重要な役割を果たし、研究者たちが組織内のRNAを可視化できるようにしている。でも、イメージングを使うには特別な機器や技術が必要で、実験の速さや調べられる面積の大きさなど、いろんな制約がある。一部の方法は確定的にアレイを印刷するけど、これも複雑な機器が必要で、高価になることが多い。だから、イメージングに頼らない方法ができれば、実験が速くなったり、広い範囲をカバーできたりして、組織をより深く理解する手助けになるってわけ。
空間再構築の概念
研究者たちは、イメージングを使わずに空間情報を推測できることを提案している。たとえば、分子がどれくらい近くにあるかを測ることで、相互作用に関する洞察が得られる。電話の位置が異なる衛星との距離でわかるように、都市の配置も距離を基に再構築できる。同じように、人間の遺伝的変異は地域的なパターンを示すことが多く、数学的に分析できる。
分子レベルでは、拡散パターンが近くの分子に関する情報を明らかにすることができる。伝統的なイメージングを使わずに分子の位置を特定する試みはあったけど、これらのアイデアの多くは理論的なものだったり、単純なシステムでしか試されていなかったりする。
新しいイメージングフリーの方法
この研究では、遺伝子発現分析に使うバーコードアレイの位置をイメージングに頼らずに特定する新しい空間トランスクリプトミクスの方法が開発された。研究者たちは、キャプチャビーズとフィデューシャルビーズを組み合わせた二次元のバーコードアレイを使い、空間的な位置を特定するために計算技術に頼るアプローチを取った。このイメージングフリーの方法は、ビーズの位置を効率的かつ高解像度でマッピングできるんだ。
研究者たちは、バーコードビーズが制御された方法で相互作用する拡散データをシミュレーションするためのフレームワークを使用した。特定のパターンを使ってこのプロセスを可視化し、近くのビーズが近くのフィデューシャルビーズからより多くのバーコードをキャッチすることを確認した。次元を削減する技術を適用することで、複雑なデータをよりシンプルな二次元フォーマットに変換しつつ、重要な関係性を保つことができた。
テストと検証
この方法の有効性を確認するために、研究者たちはバーコードの位置を既知の位置と比較して、どれだけ正確にビーズの位置を再構築できるかを評価した。シミュレーションを行い、彼らの方法が小さな誤差範囲内で位置を再現できることを発見した。ビーズの数や拡散がどれだけ行われるかなど、さまざまなパラメータがテストされ、方法の信頼性が確認された。
シミュレーションに自信を持つと、研究者たちは実験に移行した。バーコード付きビーズを使った物理的アレイを作成し、グラウンドトゥルスの位置を得るためにインシチューシーケンシングを行い、その後データを分析するために計算再構築技術を使用した。その結果は有望で、期待される結果との高い一致率を示した。
さまざまなタイプの組織への適用
新しいイメージングフリーの方法を使って、研究者たちはマウスの組織サンプルで実験を行い、重要な空間的詳細を保持しながら脳のさまざまな領域での遺伝子発現を効果的にマッピングした。脳の典型的な構造を観察し、再構築が期待される生物学的所見と一致することを確認した。
再構築の精度をさまざまな方法で評価し、彼らの方法が信頼できるものであることを確かめた。得られた結果をグラウンドトゥルスデータと比較し、神経構造の距離や寸法をどれだけ正確に測れるかを分析した。研究者たちはいくつかのサンプル間で一貫した結果を見つけ出し、技術の堅牢性を示した。
方法のスケールアップ
この革新的な方法により、研究者たちはイメージング機器に制限されることなく、大規模な空間トランスクリプトミクスを行うことができる。研究者たちは、マウスの頭蓋組織の1.2センチメートルのエリアを含む広い組織セクションで遺伝子発現をプロファイルする能力を示した。その結果、さまざまな組織タイプや構造の詳細を特定することに成功した。
彼らは組織内のさまざまな専門細胞における遺伝子発現を探求し、さらに彼らの方法の能力を確認した。研究者たちは、さまざまな遺伝子が異なる領域にどのように分布しているか、特定の細胞タイプとの関連性についての洞察を得た。
結論
この研究は、新しい計算アプローチが空間トランスクリプトミクスをどのように強化できるかを示している。分子の拡散と計算技術を組み合わせることで、この方法はイメージング技術なしで高解像度の空間データを提供する。研究者たちは、効率的かつ効果的に空間情報をキャッチできることを示した。
この方法の柔軟性は、他のアレイベースの技術にも応用できる可能性があり、生物研究におけるさまざまな応用を広げるかもしれない。空間ゲノミクスをイメージングから切り離す能力は、組織や器官の複雑さをより大規模に研究する新たな道を開く。
空間トランスクリプトミクスをさまざまな研究環境で利用可能で実現可能にすることで、科学者たちは細胞間相互作用、組織機能、遺伝子活動を、これまで不可能だった方法で探求できるようになる。この研究は空間ゲノミクスの分野において重要な前進を示し、将来の生物学や医学の発見に道を開くものだ。
タイトル: Scalable imaging-free spatial genomics through computational reconstruction
概要: Tissue organization arises from the coordinated molecular programs of cells. Spatial genomics maps cells and their molecular programs within the spatial context of tissues. However, current methods measure spatial information through imaging or direct registration, which often require specialized equipment and are limited in scale. Here, we developed an imaging-free spatial transcriptomics method that uses molecular diffusion patterns to computationally reconstruct spatial data. To do so, we utilize a simple experimental protocol on two dimensional barcode arrays to establish an interaction network between barcodes via molecular diffusion. Sequencing these interactions generates a high dimensional matrix of interactions between different spatial barcodes. Then, we perform dimensionality reduction to regenerate a two-dimensional manifold, which represents the spatial locations of the barcode arrays. Surprisingly, we found that the UMAP algorithm, with minimal modifications can faithfully successfully reconstruct the arrays. We demonstrated that this method is compatible with capture array based spatial transcriptomics/genomics methods, Slide-seq and Slide-tags, with high fidelity. We systematically explore the fidelity of the reconstruction through comparisons with experimentally derived ground truth data, and demonstrate that reconstruction generates high quality spatial genomics data. We also scaled this technique to reconstruct high-resolution spatial information over areas up to 1.2 centimeters. This computational reconstruction method effectively converts spatial genomics measurements to molecular biology, enabling spatial transcriptomics with high accessibility, and scalability.
著者: Fei Chen, C. Hu, M. Borji, G. J. Marrero, V. Kumar, J. A. Weir, S. V. Kammula, E. Z. Macosko
最終更新: 2024-09-16 00:00:00
言語: English
ソースURL: https://www.biorxiv.org/content/10.1101/2024.08.05.606465
ソースPDF: https://www.biorxiv.org/content/10.1101/2024.08.05.606465.full.pdf
ライセンス: https://creativecommons.org/licenses/by-nc/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた biorxiv に感謝します。