空间转录组整体流程是什么?小果来为您解惑






空间转录组整体流程是什么?小果来为您解惑

小果  生信果  2023-08-05 19:00:21

生信人R语言学习必备

立刻拥有一个Rstudio账号

开启升级模式吧

(56线程,256G内存,个人存储1T)

 


各位小伙伴们好呀,小果来喽!

小果最近在学习空间转录组的流程,那下面就给大家分享一下。

那我们了解到空间转录组是一种研究细胞或组织中基因表达的方法。与传统的RNA测序技术相比,空间转录组具有更高的空间解析度,因此可以直接获得组织中不同细胞和区域的基因表达信息。

目前常用的空间转录组技术包括Spatial Transcriptomics(ST)和Visium等商业化技术。其中,ST利用基因芯片将样本位置信息保留在芯片上,然后通过二代测序技术对RNA进行测序,最终生成组织切片上完整的基因表达图像。Visium则采用空间条码技术对组织样本进行分离和测序,从而得到高分辨率的空间基因表达图像。

划重点划重点,空间转录组的流程包括样本准备、芯片/切片制备、测序和数据分析等步骤,主要就要得到图像数据和测序数据。


1.样本准备

样本准备是空间转录组研究的第一步,其目的是将细胞或组织样本保持在原位,并使RNA保持完整性和可靠性。不同的样本处理方法会影响最终结果的准确性和可靠性,因此需要根据实验要求和具体操作情况进行选择。

2.芯片/切片制备

制备芯片/切片是空间转录组技术的关键步骤之一。对于ST技术,需要将样本切片后放置在特殊设计的基因芯片上,并在切片上加入对于DNA的探针;对于Visium技术,使用标准的固定和染色技术,包括苏木精和伊红(H&E)染色,使用明场显微镜观察载玻片上的组织切片,需要在样本组织中注入包含空间条形码的水凝胶,并将其固定于载玻片上。这样可以在随后的测序过程中保留每个区域的位置信息。

3.测序

测序是空间转录组研究的核心步骤,目的是确定每个位置上的基因表达信息。目前,高通量测序技术已经成为空间转录组研究中主要的测序手段,可以使用Illumina等商业测序平台进行测序。

4.数据处理和分析

在测序完成后,需要对数据进行处理和分析。这包括从原始序列数据中去除低质量的序列、对序列进行比对、表达矩阵的构建和重建组织切片图像等步骤。数据处理和分析的结果可以帮助研究人员发现组织结构、细胞类型和相互作用,进一步理解生物分子机制。

对于数据分析,空间转录组也和scRNA-seq类似,主要包括数据预处理、降维和聚类、检测空间变量特征等。现使用seurat进行示范,代码如下:

#加载包library(Seurat)library(SeuratData)library(ggplot2)library(patchwork)library(dplyr)
#加载数据InstallData("stxBrain")brain <- LoadData("stxBrain", type = "anterior1")#数据预处理,标准化brain <- SCTransform(brain, assay = "Spatial", verbose = FALSE)
##降维、聚类和可视化brain <- RunPCA(brain, assay = "SCT", verbose = FALSE)brain <- FindNeighbors(brain, reduction = "pca", dims = 1:30)brain <- FindClusters(brain, verbose = FALSE)brain <- RunUMAP(brain, reduction = "pca", dims = 1:30)
p1 <- DimPlot(brain, reduction = "umap", label = TRUE)p2 <- SpatialDimPlot(brain, label = TRUE, label.size = 3)p1 + p2

#检测空间变量特征brain <- FindSpatiallyVariableFeatures(brain, assay = "SCT", features = VariableFeatures(brain)[1:1000], selection.method = "moransi")


小伙伴们是不是对空间转录组有了更多的了解,也可以使用我们的小工具进行实践:MIA(multimodal-intersection-analysis)算法整合单细胞及空间转录组(http://www.biocloudservice.com/801/801.php,大家用起来哦。

期待下次与您的相见哦!


如果小伙伴有其他数据分析需求,可以尝试使用本公司新开发的生信分析小工具云平台,零代码完成分析,非常方便奥,云平台网址为:(http://www.biocloudservice.com/home.html),其中也包括了通路表达分析(http://www.biocloudservice.com/313/313.php),单细胞的基因共表达分析(http://www.biocloudservice.com/906/906.php)等各种小工具哦~,有兴趣的小伙伴可以登录网站进行了解。


点击“阅读原文”立刻拥有

↓↓↓