2022-08-25
对于单细胞和空间转录组的数据分析而言，聚类分析都是绕不开的一个话题，从单细胞数据分析的角度看，聚类分析得到的聚类结果，每个群代表了某种细胞类型，运用经典的marker或者生信的手段可以将其注释并用于下游的个性化分析，单细胞所有的个性化分析都建立在细胞注释的前提之上；那么对于空间转录组，由于其每个spot包含了多个细胞，可能是相同的细胞类型，但更多的为不同细胞类型的混合，这样的条件下，聚类分析的手段相对于单细胞会有什么样的差异？应该如何解读空间转录组的聚类分析？这样的分析，对于我们认知组织的空间结构提供了怎样的视角？本篇就带领大家走进空间转录组聚类分析的世界。
空间转录组分子聚类 所谓分子聚类，即跟单细胞聚类的方法一致，采用细胞/基因的矩阵进行降维聚类，跟单细胞所不同的是这里是spot/基因的矩阵进行降维聚类，示意图如下： 图1 空间转录组分子聚类 降维聚类的结果跟单细胞很相似，采用的降维手段也是PCA、TSNE/UMAP，尤其在分析空间多样本整合聚类的时候，采用UMAP非线性降维的方式居多，聚类方法通常采用louvain/leiden，另外空间还可以展示聚类结果的空间分布，如下图： 图2 空间聚类结果 如前所述，单细胞的聚类结果每个群代表了某种细胞类型，那么对于空间转录组而言，聚类结果则代表了某个区域，但是请注意，每个区域都是由多种细胞类型混合而成，正是由于细胞类型的有序结合和相互作用，才会形成特定的空间区域，行使特定的生物学功能。 分子聚类的基础仍然是基因，从基因的角度进行聚类，也体现了基因的空间区域分布特征，而基因的载体是细胞，基因的空间区域分布，体现的就是细胞的空间特异性，尤其在细胞通讯的研究中，配受体基因的空间分布蕴含了丰富的交流信息；其次空间聚类不仅仅划分了区域特征，同时也为我们确定了组织区域的边界，组织作为一个有序的统一体，各个空间区域的边界分析、尤其是tumor与normal的边界分析，已经成为了空间转录组研究的重点。 空间转录组细胞聚类 单细胞空间联合分析的方法手段早已司空见惯，联合的方法有很多，其中以cell2location和Seurat引用率最高，而分析得到的结果就是空间转录组每个spot的细胞类型的比例矩阵，针对这个矩阵，就可以另辟蹊径，结合分子聚类的分析方法，对细胞类型进行空间聚类，示意图如下： 图3 空间细胞聚类 不难看出，这样聚类方法的第一步就需要我们对每个spot进行细胞类型的注释，而且要注释的很精确，得到每个spot含有的细胞类型的比例，示例如下图： 图4 空转细胞类型注释 由此进行的聚类分析，就是空间细胞类型的聚类分析，不同于分子聚类，空间细胞聚类的基础是细胞，如果spot在此基础上聚成了一类，那么这一类所含有的细胞类型及比例相近，这样的聚类结果就组成了空间分析重要的组成部分，尤其在多样本整合聚类的情况下， 采用这样的聚类方法代表了不同样本间共享的潜在细胞结构。 细胞类型的空间分布是空间研究的重点，尤其是多种细胞类型在空间上的分布与相对位置关系，对空间细胞进行聚类提供了对细胞共定位事件的全面描述。 空间聚类与生态位 从上面的分析中不难看出，无论从分子角度还是从细胞角度，聚类的结果均不是细胞类型，而是图上所标注的Niche，即生态位。组织中细胞的分布均是经过精心的“编排”，细胞与细胞之间的空间位置关系，也体现了细胞类型之间的互作的“频繁程度”，针对这些生态位细胞类型的分析，可以获得细胞之间共定位的情况，分析细胞类型之间的相互依赖程度，如下图： 图5 空间生态位与细胞类型的空间定位 每种Niche中会包含特有的几种细胞类型，Niche中的细胞类型由于其细胞类型组成的相似性，代表了共有的细胞结构，在空间转录组数据分析的过程中，比较不同条件下样本之间的细胞结构，就会找到疾病所带来的组织结构变化，可以在更加全面的角度上认识疾病，并为治疗提供积极的意见。 Niche的分析也带来了细胞类型空间相互依赖的问题，一个明显的例子就是巨噬与肿瘤细胞的相互作用，一方面巨噬可以促进肿瘤细胞的转移，而另一方面巨噬细胞也可以一直肿瘤的扩展，这种只有细胞相互依赖才会导致的生物学现象，促进了在空间上对细胞类型相互依赖的研究。如图5右所示，在空间一定的区域范围内，细胞类型之间体现了“小团伙”，这种细胞类型相互依赖的现象，这是组织有序性的主要特征，也是在研究疾病状态下“小团伙”的转变和有序性的破坏，这种空间信息的提供，才能真正为疾病治疗带来可靠的生物学信息。 派森诺生物总结 从单细胞的角度而言，对于正常和疾病的样本研究提供了前所未有的疾病认知，但是缺乏了空间结构的生物学信息。肿瘤、疾病等对组织有序的“破坏”不仅仅是细胞比例、细胞交互的变化，更多的是细胞内在结构（Niche）的改变，Niche的转变改变了细胞存在原有的“环境”，错误的定位与相互作用改变了的组织生态，才导致了组织病变与功能紊乱。 [1]Kuppe, C., Ramirez Flores, R.O., Li, Z. et al. Spatial multi-omic map of human myocardial infarction. Nature (2022). https://doi.org/10.1038/s41586-022-05060-x
