Cell type-specific inference of differential expression in spatial transcriptomics.
Cell type-specific inference of differential expression in spatial transcriptomics.
复制标题
空间转录组学中差异表达的细胞类型特异性推断。
DOI：
10.1038/s41592-022-01575-3
复制
发表时间：
2022-09
期刊：
影响因子：
48
通讯作者：
Chen, Fei
中科院分区：
文献类型：
--
作者：
Cable, Dylan M.;Murray, Evan;Shanmugam, Vignesh;Zhang, Simon;Zou, Luli S.;Diao, Michael;Chen, Haiqi;Macosko, Evan Z.;Irizarry, Rafael A.;Chen, Fei
空间转录学中的一个问题是在不同组织背景的细胞类型中检测差异表达(DE)基因。学习DE的挑战包括改变空间中的细胞类型组成和测量像素，检测来自多种细胞类型的转录本。在这里，我们介绍了一种统计学方法，细胞类型特异性差异表达推断(C-Side)，它在空间转录中识别细胞类型特异性DE，并考虑到其他细胞类型的定位。我们将基因表达建模为对数线性细胞类型特定表达功能的细胞类型之间的相加混合物。C-Side的框架适用于许多背景：由于病理、解剖区域、细胞之间的相互作用和细胞微环境而导致的DE。此外，C端支持跨多个/复制进行统计推断。在Slide-seq、MerFish和Viem数据集上的模拟和验证实验表明，C侧通过有效的不确定性量化准确地识别DE。最后，我们应用C-Side来识别阿尔茨海默病中斑块依赖的免疫活性以及肿瘤和免疫细胞之间的细胞相互作用。我们在R包https://github.com/dmcable/spacexr.中分发C-Side
A problem in spatial transcriptomics is detecting differentially expressed (DE) genes within cell types across tissue context. Challenges to learning DE include changing cell type composition across space and measurement pixels detecting transcripts from multiple cell types. Here, we introduce a statistical method, Cell type-Specific Inference of Differential Expression (C-SIDE), that identifies cell type-specific DE in spatial transcriptomics, accounting for localization of other cell types. We model gene expression as an additive mixture across cell types of log-linear cell type-specific expression functions. C-SIDE’s framework applies to many contexts: DE due to pathology, anatomical regions, cell-to-cell interactions, and cellular microenvironment. Furthermore, C-SIDE enables statistical inference across multiple /replicates. Simulations and validation experiments on Slide-seq, MERFISH, and Visium datasets demonstrate that C-SIDE accurately identifies DE with valid uncertainty quantification. Lastly, we apply C-SIDE to identify plaque-dependent immune activity in Alzheimer’s disease and cellular interactions between tumor and immune cells. We distribute C-SIDE within the R package https://github.com/dmcable/spacexr.
登录
查看更多内容
基因集富集分析变得简单。
影响因子：
2.3
作者：
Irizarry RA;Wang C;Zhou Y;Speed TP
通讯作者：
Speed TP
影响因子：
11.8
作者：
Green CD;Ma Q;Manske GL;Shami AN;Zheng X;Marini S;Moritz L;Sultan C;Gurczynski SJ;Moore BB;Tallquist MD;Li JZ;Hammoud SS
通讯作者：
Hammoud SS
影响因子：
5.9
作者：
Andersson A;Bergenstråhle J;Asp M;Bergenstråhle L;Jurek A;Fernández Navarro J;Lundeberg J
通讯作者：
Lundeberg J
DOI：
10.1073/pnas.0407024101
发表时间：
2004-10-26
影响因子：
11.1
作者：
Dirks, RM;Pierce, NA
通讯作者：
Pierce, NA
影响因子：
21.3
作者：
通讯作者：
--