CODEX结合单细胞转录组测序实现空间多组学整合分析

近年来，随着多重免疫荧光mIHC技术和图像定量分析技术的发展，对于组织原位蛋白标记物的检测数量更多，进而可以更好的分析组织微环境的组成结构和更详细的细胞分型。例如CODEX技术，可以在一张组织切片上，实现40种以上的抗原标记。结合分析软件，可基于表达相似类型抗原集合实现自动化细胞分型和聚类分析。

单细胞转录组测序（single-cell RNA-seq，scRNA-seq）可在单细胞水平揭示全基因组范围内所有基因的表达情况，非常有利于研究细胞间的表达异质性。通过scRNA-seq可以在转录水平上，基于每个细胞中的上千个基因的表达水平进行分型和聚类。而CITE-seq（Cellular Indexing of Transcriptomes and Epitopes by sequencing，通过测序来进行转录组和表位的细胞索引技术）技术能够对数千个单细胞的表面蛋白标记物进行测定，同时还能够对相同单细胞中的mRNA进行测序。为了提升对mIHC数据的注释能力，越来越多的研究人员选择将scRNA-seq数据与mIHC数据结合起来。

自宾夕法尼亚大学的科研人员在SCIENCE ADVANCES发表了一篇名为“Single-cell transcriptomic analysis of mIHC images via antigen mapping”的文章。在文章中开发了 STvEA 算法(Spatially resolved transcriptomics via epitope anchoring)，该算法利用CITE-seq 得到的 RNA 测序数据，对CODEX 全组织单细胞表达图片进行注释。该分析方法不仅允许作者通过抗原表达类型和转录组表达状态注释细胞，而且还可以分析空间基因表达情况和研究细胞群体之间的相互作用。

STvEA算法通过三个步骤对单细胞转录组数据进行分析。第一步，通过共享的抗体panel，将CODEX得到的蛋白空间表达图谱，与CITE-seq得到的转录组信息通过软件算法结合起来；之后，将基于mRNA表达结果进行的细胞分型整合到CODEX空间单细胞图像上，得到空间转录信息注释；最后，STvEA可以帮助研究人员根据CODEX空间蛋白表型和CITE-seq的转录组数据对细胞分型结果进行验证和细胞群体之间相互关系研究。

文章选择小鼠脾脏作为研究样本，将CITE-seq测序数据集定位到CODEX空间原位图像上。基于CODEX和CITE-seq绘制表达图谱的原理如下图A展示，该算法基于两种方法学得到数据中共有的邻域和mRNA表达谱的一致性，得到CODEX和CITE-seq细胞集合中的对应关系，再基于这些对应关系将两个细胞集合整合为一个细胞蛋白表达图谱。之后，如下图B所示，将CITE-seq细胞集合定位到脾脏组织切片的CODEX空间原位图像上。

同时，作者基于转录组表达结果注释了脾脏组织中的细胞群体，将细胞分为17种亚型，并对CODEX空间原位图片中的细胞根据这17种亚型进行分型。并通过STvEA算法绘制了以下几个UMAP图（注：UMAP是一种单细胞数据降维可视化工具）和空间分布图：下图A展示的为基于这17种分型对CODEX蛋白表达聚类结果注释的UMAP图；图B展示的这17种分型对CITE-seq蛋白表达聚类结果注释的UMAP图；图C展示的是在组织切片上这17种细胞亚型的空间分布。

并展示了CODEX细胞与同一CITE-seq细胞相关蛋白表达谱的一致性。

[参考信息]

1. Single-cell transcriptomic analysis of mIHC images via antigen mapping. SCIENCE ADVANCES • 5 Mar 2021,Vol 7, Issue 10