admin管理员组文章数量:1438979
空转细胞生态位cell type niches：Nature杂志空间转录组文献分享（附代码和数据）
昨天在学习一个空转的分析方法 mistyR 时：mistyR：空间转录组共定位分析，使用的示例数据来自 2022年8月10号发表在Nature杂志上的一篇文献，标题为《Spatial multi-omic map of human myocardial infarction》， 这篇文献是一篇非常经典的空间转录组数据分析文章，里面包括了 空转的基础分析，以及对细胞生态位（cell type niches）和分子生态位（molecular niche）的介绍等，来看看~
数据背景
来源于 31例人类心肌梗死样本组织（Human myocardial infarction），做了配套的 snRNA-seq、snATAC-seq 以及 spatial 转录组测序。共四个分组，如下：
- 4个非移植供体心脏作为对照；
- 具有坏死区域（缺血区和边界区）的组织样本：ischaemic zone and border zone；
- 急性心肌梗死患者未受影响的左心室心肌（远端区）：remote zone；
- 心肌梗死后晚期的9例人类心脏标本（纤维化区）：fibrotic zone。
空转示例下载地址：
代码语言：javascript代码运行次数：0运行复制# 下载数据
download.file(".tar.gz?download=1",
destfile = "10X_Visium_ACH005.tar.gz", method = "curl")
# 解压
untar("10X_Visium_ACH005.tar.gz")
处理后的 snRNA-seq, snATAC-seq, 和 空间转录组数据下载地址：
- cellxgene：
- the Zenodo data archive：
原始fq数据地址：
- the Human Cell Atlas Data Portal：
- the Zenodo data archive
Source data：
10种主要的心脏细胞类型
初步质控后：得到 单细胞转录组的191,795个单细胞核，snATAC-seq的46,086个nuclei，空间转录组的91,517个spots：
如何验证自己注释结果的可靠性呢，我们前面分享过 对两个数据集做相关性分析：如何对应两个不同单细胞数据集的分群结果？
文章这里也采用这这个策略：
相关性结果如下：
空间数据spot注释
这里使用的是配套的单细胞作为ref，用cell2location对空转spot进行反卷积注释：空间转录组数据注释分析：Cell2location反卷积(Nature Biotechnology IF: 33.1)
这些基础分析我们就不做详细介绍了，下面看看今天关注的重点细胞生态位！
细胞生态位：cell-type niches
cell-type niches 在文献中的定义：即基于空间反卷积得到的细胞类型打分/比例矩阵（每一行为一个spot，每一列为一种细胞类型，值为某种细胞在spot中的打分或相对比例） 进行聚类得到的clusters
Unsupervised clustering of spots from all samples on the basis of their cell-type compositions identified nine clusters, which we defined as major cell-type niches (Fig. 2a and Extended Data Fig. 3a–d).
这段内容提出了一个假设：
即某些细胞生态位（niches）可能是不同组织切片之间共享的结构单元，这些单元可以用于比较不同个体之间的生物学特征。通过空间可视化分析发现，某些生态位的分布与样本的病理状态密切相关。例如，细胞类型生态位8在对照组切片中均匀分布，而细胞类型生态位5则在缺血组切片中集中在特定区域。这种分布模式表明，这些生态位可能与组织的病理状态有关，可以作为研究不同个体间差异的潜在标志。
图a为具体的细胞生态位定义示意图：空转的每个spots是多种细胞的混合物，如下图中间蓝色的spot，示意图显示了三种细胞类型：1个endo, 1个pc, 3个vCM，在数据上体现就是spot反卷积的结果，每个spot中不同细胞类型的相对比例或者打分值。
基于cell-type compositions矩阵，进行聚类得到了9个cluster，这里的cluster就定义为Niche。
图c为每个生态位内细胞类型组成比例的中位数。星号表示一个生态位内细胞类型的组成比其他生态位高（单侧Wilcoxon秩和检验，矫正P < 0.05)。粗体星号和轮廓显示了正文讨论的组织模块
cell-type compositions矩阵：
代码语言：javascript代码运行次数：0运行复制# 加载数据
# Load file into R
seurat_vs <- readRDS("ACH005/ACH005.rds")
seurat_vs
head(seurat_vs@meta.data)
table(seurat_vs$batch)
# Extract the cell composition c2l反卷积
composition <- as.data.frame(t(seurat_vs[["c2l_props"]]$data))
head(composition)
# Extract the location data
geometry <- GetTissueCoordinates(seurat_vs, cols = c("imagerow", "imagecol"), scale = NULL)
head(geometry)
c2l反卷积结果：每一行为一个spot，行和为1；每一列为一种细胞类型，值为某种细胞在spot中的相对比例
下图为细胞生态位分析的其他结果展示
- a-b. 细胞生态位的UMAP聚类图，图a按患者进行着色，图b按组织区域进行着色；
- c.不同 患者样本中细胞生态位的组成比例变化堆积柱状图；
- d. 细胞生态位的UMAP聚类图，按循环细胞、周细胞、脂肪细胞、内皮细胞和髓系细胞的相对比例组成及其各自标记基因进行着色：心肌细胞（RYR2）、成纤维细胞（PDGFRA）、循环细胞（MKI67）、周细胞（ABCC9）、脂肪细胞（FASN）、内皮细胞（VWF）、髓系细胞（IL7R）、血管平滑肌细胞（MYH11）；
- e. 不同细胞类型生态位中标准化的PROGENy通路活性分析；
在空间切片上可视化代码：
代码语言：javascript代码运行次数：0运行复制# .html
seurat <- object
SpatialPlot(seurat, group.by = "celltype_niche")
分子生态位：molecular niche
除了上面的细胞生态位的概念，这篇文章还提出了分子生态位的概念，下面就留给各位自己去探索啦，定义如下，非常好理解，主要是看用这个结果做了什么分析以及解释：
To study the molecular differences between similar tissue structures in an unbiased manner across samples, we generated a set of molecular niches by clustering of spots on the basis of their gene expression (Fig. 3a,b)
代码链接
文章不仅分享了数据和代码，还有详细的分析思路！
代码： and
数据分析思路：
本文标签： 空转细胞生态位cell type nichesNature杂志空间转录组文献分享（附代码和数据）
版权声明：本文标题：空转细胞生态位cell type niches：Nature杂志空间转录组文献分享（附代码和数据） 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.betaflare.com/biancheng/1747603004a2727351.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论