Identification of spatially associated subpopulations by combining scRNAseq and sequential fluorescence in situ hybridization data.
Identification of spatially associated subpopulations by combining scRNAseq and sequential fluorescence in situ hybridization data.
复制标题
通过将SCRNASEQ和顺序荧光原位杂交数据结合来鉴定空间相关的亚群。
DOI：
10.1038/nbt.4260
复制
发表时间：
2018-10-29
影响因子：
46.9
通讯作者：
Yuan GC
中科院分区：
文献类型：
--
作者：
Zhu Q;Shah S;Dries R;Cai L;Yuan GC
内在的基因调控网络如何与细胞的空间环境相互作用来定义其身份仍然知之甚少。在这里，我们提出了一种通过整合基于测序和基于成像的单细胞转录组图谱分析、使用跨平台细胞类型作图与隐马尔可夫随机场模型来区分对全局基因表达的内在和外在影响的方法。我们应用这种方法来剖析小鼠视觉皮层区域内的细胞类型和空间域相关的异质性。我们的分析确定了谷氨酸能细胞和星形胶质细胞区室中独特的空间相关、细胞类型独立的特征。使用这些特征来分析单细胞 RNAseq 数据，我们识别出以前未知的空间相关亚群，并通过与解剖结构和 Allen Brain Atlas 图像进行比较来验证这些亚群。
How intrinsic gene-regulatory networks interact with a cell’s spatial environment to define its identity remains poorly understood. Here we present an approach to distinguish intrinsic and extrinsic effects on global gene expression by integrating analysis of sequencing-based and imaging-based single-cell transcriptomic profiles, using cross-platform cell-type mapping combined with a hidden Markov random field model. We apply this approach to dissect the cell-type and spatial-domain-associated heterogeneity within the mouse visual cortex region. Our analysis identifies distinct spatially associated, cell-type-independent signatures in the glutamatergic and astrocyte cell compartments. Using these signatures to analyze single-cell RNAseq data, we identify previously unknown spatially associated subpopulations, which are validated by comparison with anatomical structure and Allen Brain Atlas images.
登录
查看更多内容
影响因子：
48
作者：
Lubeck, Eric;Cai, Long
通讯作者：
Cai, Long
影响因子：
46.9
作者：
通讯作者：
--
影响因子：
82.9
作者：
通讯作者：
--
影响因子：
64.8
作者：
Halpern KB;Shenhav R;Matcovitch-Natan O;Toth B;Lemze D;Golan M;Massasa EE;Baydatch S;Landen S;Moor AE;Brandis A;Giladi A;Avihail AS;David E;Amit I;Itzkovitz S
通讯作者：
Itzkovitz S
影响因子：
14.9
作者：
Obayashi T;Kinoshita K
通讯作者：
Kinoshita K