作者，Evil Genius
周五了，我們來總結一些方法上的運用吧
scRNA-seq+空間組學整合分析的計算方法
鑒于空間轉錄組學方法還不能在組織中產生深層單細胞分辨率的轉錄組圖譜，能夠成功整合單細胞和空間轉錄組數(shù)據(jù)的分析將有助于理解細胞類型分布的結構以及構成這種結構的細胞間通訊的假定機制。整合scRNA-seq和空間轉錄組數(shù)據(jù)有兩種主要方法：去卷積（Deconvolution）和映射（Mapping）。去卷積旨在根據(jù)單細胞數(shù)據(jù)，從每個捕獲點的mRNA轉錄物的混合物中分離出離散的細胞亞群；映射有兩方面：將指定的基于scRNA的細胞亞型定位到HPRI圖譜上的每個細胞和將每個scRNA-seq細胞定位到組織的特定生態(tài)位或區(qū)域。
去卷積：從單個捕獲點中分離出離散的細胞亞型。去卷積有兩種主要方法：推斷一個特定spot的細胞亞型比例和對一個特定的空間轉錄組spot進行評分，以確定它與單個細胞亞型的對應程度。
基于推理的去卷積技術涉及估計每個細胞類型在特定捕獲點的比例。這種形式的去卷積的方法之一是采用基于統(tǒng)計回歸的模型，各種線性回歸模型已被應用于解卷bulk RNA-seq混合物。
估計每個細胞類型在給定捕獲點中的確切比例的補充方法是通過貝葉斯統(tǒng)計框架，將概率分布與scRNA-seq數(shù)據(jù)的基因計數(shù)分布相適應。其中SPOTlight 的基準測試策略是最徹底的：評估細胞類型檢測的準確性、敏感性和特異性以及與真實情況的整體相關性。此外，通過HPRI可以獲得更高分辨率的亞型空間定位的物理驗證。
有許多基于富集分數(shù)的去卷積技術，例如Seurat 3.0和多模態(tài)交叉分析等；解決數(shù)據(jù)集不匹配的去卷積技術策略，例如SpatialDWLS等。
映射：以單細胞分辨率創(chuàng)建空間分辨率的細胞類型映射。就像去卷積一樣，繪制圖譜的第一步是基于scRNA-seq數(shù)據(jù)建立細胞亞型。然后，映射的主要挑戰(zhàn)是將基于scRNA-seq的細胞類型從HPRI數(shù)據(jù)分配到每個細胞上。對14種已發(fā)表的算法進行系統(tǒng)評估，這些算法通過基于聚類的分析實現(xiàn)了映射的批量校正策略，確定了三種最有效地將scRNA-seq數(shù)據(jù)與單細胞分辨率空間數(shù)據(jù)集成的算法：LIGER、Seurat Integration（來自Seurat 3.0）和Harmony。這三種算法最終都是使用不同的方法將聚類集成到低維空間中，通過對聚類的群體檢測得到細胞類型。
2022年8月發(fā)表于nature的文章Spatial multi-omic map of human myocardial infarction單細胞空間聯(lián)合分析的方法是cell2location，注意這里聯(lián)合的時候采用的是每張切片匹配的單細胞數(shù)據(jù)進行的聯(lián)合，其他單細胞數(shù)據(jù)排除在外。
2022年9月發(fā)表于EBioMedicine的文章Integrated single-cell transcriptomic analyses reveal that GPNMB-high macrophages promote PN-MES transition and impede T cell activation in GBM單細胞空間聯(lián)合采用的是Seurat 的打分函數(shù)AddModuleScore ，查看細胞類型的空間分布的，但空間數(shù)據(jù)是數(shù)據(jù)庫中的，所以樣本數(shù)據(jù)不匹配。
2022年8月發(fā)表于Developmental Cell的文章Single-cell and spatial mapping Identify cell types and signaling Networks in the human ureter單細胞空間聯(lián)合的方法是Seurat，當然，marker基因輔助注釋，這里空間樣本較少，直接聯(lián)合，沒有強調樣本是否匹配。
2022年7月發(fā)表于nature的文章Single-cell roadmap of human gonadal development單細胞空間聯(lián)合采用的cell2location，雖然樣本不是完全匹配的模式，但也是相同階段的單細胞樣本來注釋空間。
2022年7月發(fā)表于Frontiers in Medicine的文章Spatially Resolved Transcriptomes of Mammalian Kidneys Illustrate the Molecular Complexity and Interactions of Functional Nephron Segments單細胞空間聯(lián)合分析的方法是RCTD，而且是匹配的樣本數(shù)據(jù)。
2022年6月發(fā)表于Nature Neuroscience的文章Identification of early neurodegenerative pathways in progressive multiple sclerosis采用了多種聯(lián)合的方法，包括RCTD, DWLS and SPOTlight，最后驗證空間注釋的魯棒性，采用最優(yōu)的分析結果（因為樣本不是完全匹配的關系）。
2022年6月發(fā)表于Cell Stem Cell的文章Lymphatics act as a signaling hub to regulate intestinal stem cell activity單細胞空間聯(lián)合分析的方法是BayesPrism，這是老版的bulk數(shù)據(jù)解卷積的方法。
2022年4月發(fā)表于Nature Communications的文章Single-cell and spatial analysis reveal interaction of FAP+ fibroblasts and SPP1+ macrophages in colorectal cancer單細胞空間聯(lián)合分析采用老式的方法CIBERSORTx打分。
2021年12月發(fā)表于Nature Genetics的文章Mapping the temporal and spatial dynamics of the human endometrium in vivo and in vitro單細胞空間聯(lián)合分析的方法是cell2location 。
2021年10月發(fā)表于Nature Communications的文章Spatial deconvolution of HER2-positive breast cancer delineates tumor-associated cell type interactions單細胞空間聯(lián)合采用方法stereoscope，比較老的解卷積方法。
2021年9月發(fā)表于Nature Genetics的文章Spatially restricted drivers and transitional cell populations cooperate with the microenvironment in untreated and chemo-resistant pancreatic cancer單細胞空間聯(lián)合的時候，細胞大類采用Seurat 的聯(lián)合方法，
但是在腫瘤細胞小類的聯(lián)合分析中采用了RCTD的方法，不過也體現(xiàn)了人為劃區(qū)的重要性。
2021年9月發(fā)表于Nature Genetics的文章A single-cell and spatially resolved atlas of human breast cancers單細胞空間聯(lián)合采用方法Stereoscope，這是原來bulk解卷積的方法。
2021年8月發(fā)表于Cell Metabolism的文章Spatial mapping reveals human adipocyte subpopulations with distinct sensitivities to insulin單細胞空間聯(lián)合分析的方法是stereoscope軟件。
2021年7月發(fā)表于Molecular Neurodegeneration的文章The landscape of human tissue and cell type specific expression and co-regulation of senescence genes單細胞空間聯(lián)合分析的方法是Seurat。
2021年7月發(fā)表于Nature Immunology的文章The cellular architecture of the antimicrobial response network in human leprosy granulomas單細胞空間聯(lián)合分析的方法是Seurat，但是對空間的注釋很巧妙，大家應該學習一下。
