編輯 | 蘿蔔皮
單細胞空間轉錄組學（sc-ST）有望闡明覆雜組織的結構方面。此類分析需要透過將 sc-ST 資料集中的細胞型別與單細胞 RNA-seq 資料集整合來對它們進行建模。然而，這種整合並非微不足道，因為這兩種技術在分析基因的數量上差異很大，並且資料集通常不共享給定細胞型別的許多標記基因。
貝勒醫學院的研究人員開發了一個神經網路模型，使用神經網路（STANN）進行空間轉錄組學細胞型別分配，以克服這些挑戰。對 STANN 在小鼠嗅球（MOB）sc-ST 資料中預測的細胞型別的分析描繪了超出其基於形態層的常規描述的 MOB 架構。
研究人員發現細胞型別比例在各個形態層內保持一致，但層間差異很大。值得注意的是，即使在一個層內，細胞共定位模式和細胞間通訊機制也表現出很大的空間變化。這些觀察結果意味著將主要細胞型別細化為以空間區域性基因調控網路和受體-配體使用為特徵的亞型。
該研究以「Cell-type modeling in spatial transcriptomics data elucidates spatially variable colocalization and communication between cell-types in mouse brain」為題，於 2021 年 10 月 8 日釋出在《Cell Systems》。
為了更好地瞭解大腦等複雜器官的功能，科學家們努力準確瞭解其詳細的細胞結構和其中發生的細胞間通訊。
在貝勒醫學院，Md. Abul Hassan Samee 博士和他的團隊朝著這個方向邁出了重要的一步。他們開發了先進的計算方法，使人們對大腦結構和功能的複雜性有了新的認識，這可能會增強對這種複雜器官的理解，無論是健康還是疾病。
「目前，我們擁有使我們能夠識別和定位組織中單個細胞的技術。我們還能夠確定該組織中每個單個細胞產生的產物是什麼。」Samee說。
哺乳動物的大腦很複雜，由數百萬到數千億個細胞組成，在進行分析時，它們會生成大量資料。挑戰在於開發將這些資料集中的資訊整合在一起的方法，以生成一個能夠可靠地反映器官工作方式的模型。
在當前的研究中，Samee 的團隊開發了一個神經網路模型來闡明覆雜組織的結構和功能。他們將使用神經網路（STANN）的模型稱為空間轉錄組學細胞型別分配。
「我們還使用了其他先進、複雜的計算方法，使模型更加嚴格。」Samee 說，「我們將 STANN 和其他方法應用於小鼠嗅球的現有大腦資料集，並開始在大腦的細胞結構和功能中看到非常有趣的模式。」
大腦由不同的形態層組成，而 STANN 使研究人員能夠預測其細胞組織的詳細圖片。「我們的模型逐層提供了不同細胞型別的精確位置，它們是否相互通訊以及透過何種方式進行通訊。」Samee 說， 「這對我們來說是一個『尤里卡時刻』。」
Samee 團隊確定細胞型別組成在形態層內非常一致。例如，特定層可能具有一定百分比的星形膠質細胞、神經元和小膠質細胞，它們在整個同一層中保持不變。「如果我們從同一形態層的不同區域取幾個小部分，這些百分比看起來非常相似。但是，百分比可能會從一層到另一層發生變化。」Samee 解釋說。
該團隊在研究細胞共定位時發現了不同的模式。「例如，在形態層的一個區域，我們可能會看到星形膠質細胞與嗅覺神經元共存。但在同一形態層的另一個區域，這些細胞可以完全分離。」Samee 解釋說，「我們還看到兩種細胞型別之間的細胞間通訊在形態層的不同區域發生變化，這反映了基因調控網路隨著位置的變化而變化。」
研究人員假設大腦中的形態層具有不同的空間區域性細胞型別群落。群落的細胞型別組成相似，但細胞型別在群落內共定位和交流的方式存在很大差異。這表明腦細胞型別具有執行特定位置功能的空間區域性亞型。
「這種在單細胞和功能水平上對大腦組織的新詳細檢視以前從未被描述過。」Samee 說。
「我們在這項工作中開發的神經網路模型方法為其他研究人員提供了一份『指導手冊』，用於研究大腦或其他器官的其他區域，例如心臟，這是我實驗室的主要興趣。」貝勒醫學院器官修復和更新中心主任 Martin 說。
