

路线一是表达驱动的细胞亚群注释(Expression-driven subpopulation annotation);路线二是空间微环境驱动的细胞亚群注释(Microenvironment-driven subpopulation annotation)。

本质:亚群是预先定义的,空间信息用于解释亚群所处的环境。

例如:
CD8细胞亚型 | 周围主要细胞 | 亚型定义依据 |
|---|---|---|
CD8-Niche A | 肿瘤细胞 | 肿瘤细胞富集 |
CD8-Niche B | CAF、巨噬细胞 | 基质相关微环境 |
CD8-Niche C | DC、B细胞、T细胞 | 免疫细胞富集 |
CD8-Niche D | 正常组织细胞 | 正常组织相关微环境 |
本质:亚群不是预先定义的,而是利用空间信息重新划分的。
路线二得到的是空间相关亚型,不应未经表达验证就直接命名为细胞功能亚群。
比较维度 | 路线一:单细胞先定义亚群 | 路线二:空间微环境定义亚群 |
|---|---|---|
初始注释 | 细胞亚群 | 细胞大类 |
亚群定义依据 | 基因表达特征 | 邻近细胞组成 |
亚群划分时间 | 空间联合之前 | 空间联合之后 |
空间信息的作用 | 定位和解释亚群 | 直接参与亚群划分 |
亚群的生物学含义 | 不同转录状态 | 不同空间生态环境 |
是否能区分表达相近的细胞 | 主要依赖表达差异 | 可以依靠微环境差异 |
是否能反映微环境异质性 | 间接 | 直接 |
是否能识别同一细胞类型的空间异质性 | 可以分析,但不参与初始定义 | 是核心目标 |
主要研究问题 | 不同亚群处于什么环境 | 不同环境中的同类细胞有何区别 |
主要局限 | 可能忽略空间环境造成的异质性 | 可能把空间位置差异误认为细胞亚群差异 |
路线一:从细胞出发,向空间延伸
先知道细胞是什么,再研究它在哪里、周围有什么。
路线二:从空间出发,重新认识细胞
先知道细胞属于哪个大类,再根据它所处的环境,重新划分空间相关亚型。
用同一个CD8 T细胞作为例子。
假设单细胞参考数据已经定义了:
映射到Xenium后,可能发现:
在同一个肿瘤区域内:
不同转录状态的CD8 T细胞,是否具有不同的空间分布和微环境偏好?
假设最初只把细胞注释为CD8 T细胞,不再预先划分Naive、Cytotoxic和Exhausted。
然后依据邻域细胞组成,将CD8 T细胞划分为:
接下来再反过来分析这些亚型自身的基因表达。
这条路线真正想回答的是:
同一种细胞类型,处于不同空间微环境时,是否呈现不同的转录功能状态?
需要注意,路线二得到的不同空间亚型不一定对应不同的细胞分化状态。它们可能只是同一种细胞处于不同组织环境中的表现。
我认为路线二有一个路线一难以直接实现的优势:
它允许空间信息参与细胞亚群的定义,而不是只把空间信息当作亚群定义后的补充信息。
但是路线二也有三个非常实际的问题。
例如:
两个CD8 T细胞:
由于周围细胞组成不同,它们被划分为两个空间亚型。
但是,它们自身的基因表达可能完全相似。
这种情况下,可以认为它们具有不同的空间生态位,但不能直接认为它们具有不同的细胞功能。
例如,肿瘤边缘CAF较多,肿瘤中心肿瘤细胞较多。
那么CD8细胞根据邻域组成聚类,很可能只是把肿瘤边缘和肿瘤中心区分开。
因此需要进一步验证:
路线二虽然只需要先定义大类,但如果CD8 T细胞中混入了NK细胞或者其他T细胞,邻域聚类就可能受到影响。
因此,初始大类注释仍然非常重要。
如果是我来设计Xenium 5K的分析体系,我会这样安排:
共同基础
scRNA-seq + Xenium 5K联合注释
完成细胞大类注释,确保细胞身份可靠。
路线一
细胞大类 → 单细胞亚群 → 空间映射 → 微环境分析
研究转录亚群的空间分布和微环境偏好
路线二
细胞大类 → 空间邻域 → 微环境聚类 → 空间相关亚型
研究相同细胞类型的空间异质性
最终联合分析
转录亚群 × 空间相关亚型
研究不同转录状态在不同微环境中的分布,以及相同空间亚型内部是否存在不同转录状态。
最后这一步尤其重要。
这样可以同时回答两个问题:
这比单独使用任意一条路线,能够提供更完整的生物学解释。
研究目的 | 更推荐的路线 |
|---|---|
识别细胞分化及功能状态 | 路线一 |
研究已知细胞亚群的空间定位 | 路线一 |
研究同类细胞的微环境异质性 | 路线二 |
研究微环境相关的细胞状态差异 | 路线二 |
建立空间相关细胞亚型 | 路线二 |
研究细胞状态与空间环境的交互关系 | 两者结合 |
我的最终判断:
不过,路线二得到的结果严格称为 Spatially defined cell subtypes(空间定义的细胞亚型),再通过表达分析判断它们是否同时具有不同的内在功能状态。
最值得进一步探索的研究方向是:能否利用空间邻域组成识别传统scRNA-seq亚群注释无法识别的细胞异质性,并通过Xenium自身的表达数据验证这些空间亚型是否具有独立的转录特征。 这才是路线二相对于路线一真正可能产生方法学增量的地方。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。