ClusterMap for multi-scale clustering analysis of spatial gene expression.
ClusterMap for multi-scale clustering analysis of spatial gene expression.
复制标题
DOI：
10.1038/s41467-021-26044-x
复制
发表时间：
2021-10-08
影响因子：
16.6
通讯作者：
Wang X
中科院分区：
文献类型：
--
作者：
He Y;Tang X;Huang J;Ren J;Zhou H;Chen K;Liu A;Shi H;Lin Z;Li Q;Aditham A;Ounadjela J;Grody EI;Shu J;Liu J;Wang X
在空间背景下定量RNA对于理解复杂组织中的基因表达和调控至关重要。原位转录组学方法在完整组织中产生空间分辨的RNA谱。然而，缺乏一个统一的计算框架，原位转录组数据的综合分析。在这里，我们介绍了一个无监督和无注释的框架，被称为martterMap，它结合了RNA的物理位置和基因身份，制定了一个点模式分析问题的任务，并通过密度峰聚类（DPC）识别生物学上有意义的结构。具体来说，InterferMap在二维和三维空间中将RNA精确地聚类到亚细胞结构、细胞体和组织区域中，并且在不同的组织类型上表现一致，包括小鼠大脑、胎盘、肠道和人类心脏类器官。我们证明了InterpreterMap广泛适用于各种原位转录组测量，以揭示基因表达模式，细胞生态位和组织组织原则，从图像与高维转录组配置文件。原位转录组学绘制了完整组织中的RNA表达模式，将我们对基因表达的理解提升到了一个新的水平。在这里，作者提出了一种计算方法，从2D和3D空间转录组学中揭示基因表达，细胞生态位和组织区域模式。
Quantifying RNAs in their spatial context is crucial to understanding gene expression and regulation in complex tissues. In situ transcriptomic methods generate spatially resolved RNA profiles in intact tissues. However, there is a lack of a unified computational framework for integrative analysis of in situ transcriptomic data. Here, we introduce an unsupervised and annotation-free framework, termed ClusterMap, which incorporates the physical location and gene identity of RNAs, formulates the task as a point pattern analysis problem, and identifies biologically meaningful structures by density peak clustering (DPC). Specifically, ClusterMap precisely clusters RNAs into subcellular structures, cell bodies, and tissue regions in both two- and three-dimensional space, and performs consistently on diverse tissue types, including mouse brain, placenta, gut, and human cardiac organoids. We demonstrate ClusterMap to be broadly applicable to various in situ transcriptomic measurements to uncover gene expression patterns, cell niche, and tissue organization principles from images with high-dimensional transcriptomic profiles. In situ transcriptomics maps RNA expression patterns across intact tissues taking our understanding of gene expression to a new level. Here, the authors present a computational method that uncovers gene expression, cell niche, and tissue region patterns from 2D and 3D spatial transcriptomics.
登录
查看更多内容
下丘脑前区域的分子，空间和功能性单细胞分析。
DOI：
10.1126/science.aau5324
发表时间：
2018-11-16
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Moffitt JR;Bambah-Mukku D;Eichhorn SW;Vaughn E;Shekhar K;Perez JD;Rubinstein ND;Hao J;Regev A;Dulac C;Zhuang X
通讯作者：
Zhuang X
影响因子：
64.5
作者：
Goltsev Y;Samusik N;Kennedy-Darling J;Bhate S;Hale M;Vazquez G;Black S;Nolan GP
通讯作者：
Nolan GP
影响因子：
5.8
作者：
Arganda-Carreras, Ignacio;Kaynig, Verena;Seung, H. Sebastian
通讯作者：
Seung, H. Sebastian
影响因子：
64.8
作者：
Nitzan, Mor;Karaiskos, Nikos;Rajewsky, Nikolaus
通讯作者：
Rajewsky, Nikolaus
影响因子：
14.8
作者：
通讯作者：
--