基于RNA杂交的空间转录组方法提供了极高的RNA检测准确率。然而其需要使用图像分割算法将图像分割成细胞，将RNA检测转换为空间单细胞数据。把mRNA分配给细胞仍然是一个具有挑战性的问题，会大大影响组合FISH方法的整体准确性。
来自美国的科研团队提出了JSTA：一种利用空间转录组学数据和scRNA-seq参考数据进行细胞联合分割和细胞类型标注的新的计算方法。JSTA可实现高分辨率的细胞分割映射和细胞类型标注。
JSTA是什么？
JSTA是将转录物的原始测量值及其坐标转换成空间单细胞表达图谱的一种新的计算方法。其计算框架是基于改进最初的分水岭分割算法，通过纳入每个像素的细胞（子）类型概率，并根据这些概率迭代调整边界像素的分配。
JSTA能够利用现有的基于scRNA-seq的参考细胞类型分类法来同时分割细胞，将细胞分类为（子）类型，并将mRNAs分配给细胞。空间转录组学与现有scRNA-seq信息的独特集成可提高图像分割的准确性并增强空间转录组学的生物学应用。不同于其他方法，JSTA不是一个通用的图像分割算法，而是一个专门设计用来将原始的空间转录组数据转换成单细胞水平的空间表达图谱的工具。
JSTA的性能评估及应用
性能评估
研究人员通过模拟小鼠海马数据比较了JSTA和分水岭分割算法在给细胞分配mRNAs时的准确性。综合数据显示JSTA优于分水岭分割算法，在生理相关参数下，可以提高>45%mRNA分配的准确率。
研究人员使用经验数据测试了JSTA的性能，并评估了其恢复已知的海马粗糙神经元类型空间分布的能力。测试结果：JSTA的分类器得出的细胞类型图与海马体中已知的空间模式一致，例如，发现CA1、CA3和DG细胞对其已知亚区具有高度特异性；发现MERFISH数据中片段细胞的基因表达与其scRNA-seq对应物高度相关，并且在不同细胞类型之间显示出类似的相关模式。上述结果表明，利用经验数据和JSTA算法可以恢复小鼠海马细胞类型及其基因表达模式的空间分布的现有知识。
此外，研究团队将JSTA应用于先前发表的小鼠下丘脑视前区的MERFISH数据集，提供了134个基因。使用提供的scRNA-seq参考数据集精确地绘制了该区域的87种高分辨率细胞类型；将JSTA应用于小鼠体感皮层的osmFISH数据集，并提供了35个基因。使用NCTT参考数据集，研究人员在这个区域绘制了142个高分辨率的细胞类型。
在生物发现中的应用
JSTA确定了海马高度颗粒细胞（亚）类型的空间分布。JSTA的一个主要优势是它能够联合分割图像中的细胞，并将它们分类为高度颗粒化的细胞（亚）类型。对小鼠海马MERFISH数据的分析发现，这些仅根据其基因表达模式定义的亚型，在海马中具有高度的空间定位。
JSTA显示空间邻近细胞亚型在转录上相似。研究团队通过评估细胞亚型的共定位和它们的转录相似性来测试跨不同细胞类型的空间模式是否匹配它们的表达模式。实际上，空间上邻近的CA1亚型表现出高度的转录相似性，例如CA1sp3、CA1sp1和CA1sp6亚型的细胞相互靠近，并显示出高度的转录的相关性。有趣的是，这种关系不是双向的，转录相似性本身并不一定能预测空间邻近性，例如CA1sp10、CA1sp7和CA1sp4亚型之间的相关性大于0.95，但彼此之间并不接近。为了检验这一原理是否超越了同一类型的亚型，研究人员比较了CA1神经元和Sst中间神经元，发现许多Sst亚型在其定位上具有很高的特异性，并且在转录上与非Sst相邻亚型相关。
JSTA识别空间差异基因表达。通过对80个候选基因的细胞内亚型空间差异基因表达的分析，在61个亚型中发现了63个具有统计学意义的空间差异基因表达。
在技术方面，上述研究已展示了JSTA对MERFISH和osmFISH的性能。然而，该算法是可扩展的，并且可以应用于其他基于原位测序、亚细胞空间条形码和潜在的任何其他空间“组学”平台的空间转录组学方法。此外，JSTA的细胞分割结果可以作为其他工具（如GIOTTO和TANGRAM）的输入，以便于单细胞和空间转录组数据分析。
JSTA源代码可在如下链接获取：https://github.com/wollmanlab/JSTA
首发公号：国家基因库大数据平台
参考文献
Littman R, Hemminger Z, Foreman R, et al. Joint cell segmentation and cell type annotation for spatial transcriptomics[J]. Molecular systems biology, 2021, 17(6): e10108.
图片来源于Molecular systems biology官网和参考文献，如有侵权请联系删除。
