纽约-来自纽约大学的研究人员开发了一个框架，用于整合来自空间和单细胞转录组学的数据，揭示了组织中细胞之间的距离。
他们的方法使用了一种新的过程，他们称之为多模态交集分析(MIA)，提供了比传统方法更高的分辨率和灵敏度空间转录组学方法这项研究是由瑞典生命科学实验室(sciilifelab)和卡罗林斯卡学院的研究人员共同开发的，研究人员在周一发表的一篇论文中表示自然生物技术vwin德赢ac米兰合作．
空间转录组学和单细胞rna测序有“互补的弱点”，纽约大学朗格尼健康中心计算医学研究所主任、资深作者Itai Yanai说。通过用这两种方法分析一个样本，并将每个部分的结果耦合起来，“你可以两全其美。”这项新研究没有使用“高清”空间转录组学方法SciLifeLab团队于2019年9月发表了该论文，该论文声称具有亚细胞分辨率，尽管灵敏度较低。
在原理证明论文中，Yanai的团队发现他们的方法可以帮助他们在空间背景下绘制细胞类型、细胞亚群甚至细胞状态。例如，在胰腺癌组织中，处于“应激”状态的肿瘤细胞经常在炎性成纤维细胞附近被发现。他说:“癌细胞的状态是许多出版物都在报道的，人们对此感到困惑。”“在这里，我们表明，如果你有空间成分，你就可以开始理解它们。”
柳井正表示，他的实验室多年来一直在研究空间转录组学背后的思想。“这是一种疯狂的力量，”他说。“它解决了很多问题，并将彻底改变病理学、发育生物学和肿瘤生物学”等领域。但他说，现有的方法还没有达到具有高转录敏感性的单细胞分辨率来帮助分类细胞。
纽约大学的研究小组提出了一种方法，可以将每一种模式中被确定为重要的基因集整合起来。MIA定义了一组与细胞类型或细胞状态等实体相关的基因。例如，在这篇论文中，研究小组发现555个基因在成纤维细胞中表达丰富。柳井正说，在通过空间转录组学方法对阵列“斑点”进行了类似的分析后，“我们所需要做的就是询问重叠是否(在统计学上)显著。”
纽约大学团队使用了较旧的ST方法和InDrop单细胞RNA-seq;然而柳井正表示，MIA可以使用任何平台生成的RNA-seq配置文件。他建议，他的实验室在GitHub上提供的MIA代码，可以与10x Genomics后来开发的空间转录组学平台Visium一起使用2018年获得技术vwin德赢ac米兰合作．他的实验室已经开始使用Visium这部电影于2019年底发布，但并没有将其用于电影自然生物技术学习，他补充道。
作者指出了他们的方法的几个局限性。他们写道，空间转录组阵列的大小(约6毫米乘6.5毫米)并不总是大到足以覆盖整个组织切片，并且转录本在载玻片上的扩散可能会混淆结果。
柳井正补充说:“由于空间转录组学并不是在与单细胞(测序)完全相同的细胞上进行的，因此拆分(样本)我们可能会失去一些东西。”“我们确实认为在同一个样本上进行两种分析很重要，因为特定的样本可能有独特的亚群和细胞类型。”
他补充说，MIA也没有提供在每个阵列点上存在的不同细胞类型的估计数量。相反，它提供了“一个统计框架，让研究人员在确定细胞类型时设定置信度”。
正如研究人员在论文中所做的那样，研究癌细胞和肿瘤组织是这项技术的一个明显方向，但柳井正表示，他的实验室也在研究胎盘样本。vwin德赢ac米兰合作作者认为，这种方法“在未来可能具有预测价值”，但柳井正表示，他们还没有申请任何专利，也不打算将MIA商业化。
他说:“你现在可以将这种方法用于很多事情，并能够产生很多假设。”