STalign 和 STcompare 移植到 C++,大规模空间转录组比对从数小时缩短到数秒
Jean Fan 团队将空间转录组工具 STalign 和 STcompare 移植到 C++,可在数秒内完成大规模空间转录组比对与全转录组比较,而此前需要数小时。两个工具已在 GitHub 的 JEFworks-Lab 仓库开放,作者邀请用户试用。
Jean Fan 团队将空间转录组工具 STalign 和 STcompare 移植到 C++,可在数秒内完成大规模空间转录组比对与全转录组比较,而此前需要数小时。两个工具已在 GitHub 的 JEFworks-Lab 仓库开放,作者邀请用户试用。
韩国建国大学和釜山国立大学医院团队在《Biomolecules》发表 scFlowReport,一个配置驱动的单细胞 RNA-seq 下游分析工作流,代码开源于 https://github.com/ibclab-hub/scFlowReport。
EvoNiche 数据库发布,整合 91 套配对的空间与单细胞转录组数据集,覆盖 35 种癌症类型。数据库包含 712 张组织切片、1 953 708 个空间 spot 和 58 个单细胞数据集共 2 945 536 个细胞,识别出 5609 个空间生态位,并重建组织水平和细胞水平的时空轨迹。
研究团队发布多浸没斜平面显微镜 miOPM,一种可重构的高分辨光片荧光显微平台,支持油、水、空气物镜无缝互换,并在 1.33 至 1.51 的折射率范围内保持衍射极限性能。该平台兼容标准样品 mounting、现有透明化流程和通量三维成像,作者用它拍摄了从培养细胞到整体生物、透明化组织的多种样本。原文称其目标是降低先进三维成像的使用门槛。
中国科学院遗传与发育生物学研究所李湘团队开发出空间 3D 基因组技术 SpaceA,可在组织切片中原位检测长程染色质互作并保留细胞空间位置,成果发表于 Developmental Cell。
一项发表于 Nature 的研究整合单细胞 RNA 测序、TCR 测序与 Xenium 空间转录组,在高级别癌前气道病变中鉴定出 BATF+ 效应性 Treg 细胞,并构建了淋巴结—循环—气道的跨组织调控轴。
推荐理由:研究把肺癌免疫干预窗口前移到癌前阶段,并用跨组织克隆共享与空间结构给出可追踪的细胞轴。
斯坦福大学团队开发出干涉图像扫描显微镜(iISM),将干涉散射显微与阵列探测器结合,在无需荧光标记的条件下实现约 120 纳米分辨率,可实时观察活细胞内多种结构同时运动与相互作用。
研究对 22 例 SHH 型髓母细胞瘤样本(16 例原发、6 例复发,含 4 对原发-复发配对)开展 snRNA-seq(n = 16)、snATAC-seq(n = 13)和空间转录组(n = 6)分析,并结合 25 例样本的外显子变异数据,另用 48 例样本(24 对原发-复发配对)的 bulk RNA-seq 做验证。
10x Genomics 宣布 Atera 已上线,并随新数据集持续更新;同时推荐使用新的桌面版 10x Genomics Explorer 软件,查看 FFPE 人类肾脏样本在空间全转录组分析中的结果。
一种名为 Waldo 的基因条码方法可对显微镜下观察到的同一批细胞先做活细胞成像、再做单细胞测序。相关预印本已发布在 bioRxiv,作者称其目标是让研究者能测序显微实验中关注的那一个细胞。
Jean Fan 团队的计算方法 STARIT 已在 PLOS Computational Biology 发表,该方法把空间转录组数据当作栅格化图像张量,用计算机视觉 AI 无监督刻画亚细胞分子异质性下的细胞状态。作者在帖中致谢 Dee Velazquez 与团队,代码托管在 github.com/JEFworks-Lab。
Mo Lotfollahi 表示癌症样本已到位并排队等待空间转录组检测,这些切片将成为虚拟生物学的训练数据,他期待 TERRA 及即将推出的多模态模型能从中学习,并估计数据量约 2 亿个细胞。
研究团队改造出 rsmiRFPnano,一种源自蓝细菌光敏色素、分子量低于 19 kDa 的近红外光开关光声成像探针,可高效结合胆绿素并在两种光致变色状态下保持高消光系数。
研究对 62 例原发胰腺导管腺癌肿瘤进行单细胞 RNA 测序(443,451 个细胞),并对其中 11 例做匹配的空间转录组(53,236 个 spot),刻画克隆、转录与空间多样性。分析发现肿瘤内存在多个遗传上不同的恶性克隆,配体-受体程序受基因组剂量调控,8q24(MYC)扩增与谱系内经典向基底样转变反复相关;小鼠与原代人模型中的 MYC 敲低可重新激活经典程序并恢复免疫应答通路。
推荐理由:62 例原发肿瘤的单细胞与空间转录组图谱显示,8q24 的 MYC 扩增与肿瘤谱系内经典向基底样转变相关,为理解 PDAC 克隆异质性提供了资源。
中国科学院遗传与发育生物学研究所杨维才团队与国内多家单位合作,在 Cell 在线发表水稻全生命周期时空组图谱研究,以粳稻品种中花11为材料,结合高分辨率空间转录组、单核RNA测序和人工智能分析,构建了覆盖种子萌发到开花结实全过程的三维时空细胞图谱。
推荐理由:图谱覆盖水稻10个器官、61个发育阶段,并配套在线平台与RICE scGPT基础模型,可供植物单细胞与空间组学研究复用。
预印本 COSCO 利用条形码单突触狂犬病毒追踪结合 scRNA-seq,在 hPSC 来源的脑类器官中研究单神经元连接与分子状态,绘制了超过 10,000 个网络。研究报道了细胞类型内在的接线偏好、可重复的网络形成、反复出现的连接基序、接线的分子特征,以及在 TSC 中出现的异常连接。
中国科学院遗传与发育生物学研究所李响研究组在 Developmental Cell 在线发表论文,将微流控空间条形码技术与 SPRITE-like 无连接酶接触检测策略结合,开发出空间三维基因组学技术 SpaceA,可在组织切片原位高置信度解析远距离染色质互作。
推荐理由:SpaceA 把空间条形码与无连接酶接触检测结合,让染色质远距离互作能在组织切片原位测量,为空间三维基因组学提供了新手段。
Cao 等提出空间转录组基础模型 stFormer,将细胞内上下文与空间配体信号整合进同一模型。相比单细胞基础模型,stFormer 在细胞层面和基因层面的分析上均有提升,并支持通过计算扰动研究空间配体信号的响应。
中国科学院遗传与发育生物学研究所段力辉团队开发 OpenFISH,可在同一张组织切片上连续完成空间转录组与 MALDI-MSI 空间代谢组检测。该方法通过模块化探针设计和单轮基因编码将空间转录组成本降低约 95%,并借助导电玻片预处理与 MALDI-MSI 后组织成胶、透明化实现两模态兼容。
推荐理由:该工作把成像空间转录组与 MALDI-MSI 代谢组放在同一张切片上,并给出约 95% 的转录组成本降幅,做空间多组学的人可关注其兼容方案。
一项新预印本生成了人类伏隔核(NAc)的三维重构,用于解析细胞类型异质性与拓扑结构沿前后轴的变化。该工作由 Biostats 博士生 Jianing Yao 等人主导,已发布于 bioRxiv。
SpaCEy 的经同行评审版本现已正式发表,论文刊于 Nature,代码已在 GitHub 的 saezlab/SpaCEy 仓库公开。
2022 年发布的 RegenSeq 开源硬件、软件与协议生态,可将测序仪改造为自动化流体耦合成像仪器。10 月 13 日将举办 RegenSeq 社区研讨会,介绍其在多重成像、空间转录组和光学混合筛选中的当前应用,报名入口为 regenseq.github.io/meeting/。
整合单细胞 RNA 测序与空间转录组构建人肝内胆管癌(ICC)细胞与转录图谱,发现 CD8+ 增殖 T 细胞存在终末型与祖细胞样两种耗竭程序。DEFB1+ 胆管细胞与 IFI30+ 巨噬细胞在多个独立 ICC 队列中呈强正相关,并在肿瘤微环境中空间邻近,其互作预测涉及 TGFB1–TGFBR1 信号轴,可能促进肿瘤进展与免疫治疗耐药。
研究结合大规模单细胞 RNA 测序、空间验证和功能实验,构建了人正常结肠成纤维细胞与间质亚群的参考图谱,并以小鼠结肠为参照。
推荐理由:该研究以小鼠结肠为参照,用单细胞与空间验证构建人正常结肠和结直肠癌成纤维细胞参考图谱,为 CAF 分型提供统一坐标。
研究提出一个分子锚定的空间转录组框架,用 Stereo-seq 与 snRNA-seq 参考定义 CA1 与 Sub 的可复现分子分区。
这篇综述将肝脏 AI 虚拟细胞(AIVC)的建模路径归纳为三类:生成模型表征细胞状态,动力学与转运模型推断状态转换,预训练或基础模型检验表征能否跨供体、病因、疾病阶段和平台迁移,并以扰动响应预测作为贯穿性评估。
多模态单细胞技术(scRNA-seq、空间转录组与AI整合)正以空前分辨率解析血管周围脂肪组织(PVAT)生态系统,构建出揭示不同血管床细胞结构、表型可塑性与空间互作的整合图谱。综述据此提出Dpp4+前脂肪细胞、BMP4诱导的棕色化等新生物标志物与可干预疗法,并给出以人类PVAT生物样本库、CRISPR谱系追踪和AI建模为优先的转化路线图。
一项新论文在单细胞和空间分辨率下绘制了人类脾脏 NK 细胞与先天淋巴细胞(ILC)图谱,揭示其空间与功能特化。研究由 Sarah Colpitts 主导,论文题为“Spatial and functional specialization of human splenic innate lymphoid cells”。
Seurat 发布 v5.5.0,为 BPCells 的 IterableMatrix 在 ScaleData 中新增 vars.to.regress 与 latent.data 支持。