同名gzh：BBio
//前言
对空间转录组的组织驻留细胞类型的复杂映射仍然是一个挑战。原因之一是器官间细胞的巨大多样性，包括无数细粒细胞类型，如免疫细胞、免疫细胞、基质细胞、免疫细胞和神经细胞等亚群。另一个原因是空间组织结构的多样性，从具有不同细胞类型的离散解剖区域的大脑，到具有动态修饰的微环境的细粒度细胞类型的免疫器官。
生成耦合单细胞和空间解析转录组的策略为解决这些挑战提供了可扩展的方法。关键原理是首先根据单细胞RNA测序(scRNA-seq)从分离的组织中识别驻留细胞类型，然后根据空间转录组谱将识别的细胞类型映射到其原位组织位置。
现有基于网格的分析方法的一个关键限制是缺乏单细胞分辨率，因为空间RNA-seq测量结合了多个细胞。现阶段联合空间转录组和配对的单细胞转录组数据进行细胞类型映射是非常有效的方法。因为分辨率不足，空间转录组捕获到的mRNA可能包含多种细胞类型。而且，不同组织部位细胞数目不同，不同细胞和细胞类型包含的mRNA总量不同，薄切片也可能捕获细胞的部分体积，这些因素在细胞映射时都是需要考虑的因素。
//cell2location原理
cell2location基于Bayesian模型进行空间转录组复杂细胞类型的映射。以单细胞转录组数据为参考，提取细胞类型的特征，将空间转录组数据分解为细胞丰度图谱。Cell2location可以处理复杂的实验设置，执行多个scRNA-seq和空间转录组数据集的联合分析。该模型的独特之处在于利用跨地点统计强度的分层设计，提高了分辨率和灵敏度，特别是在复杂组织中的细粒细胞类型的分辨率。
//文章结果
-
使用模拟数据验证
为了验证cell2location，我们最初考虑了生成的模拟数据，这些数据反映了普遍存在的和受空间限制的细胞类型的不同细胞丰度模式。然后，我们使用cell2location来估计在单个位置上不同细胞类型的细胞类型比例。这些估计与模拟(真实)细胞类型比例的比较表明，cell2location映射细胞类型具有很高的准确性。除了估计相对细胞类型比例外，cell2location还可以结合关于组织的先验信息来估计绝对细胞类型丰度，这再次与模拟的地面真相高度一致
-
Cell2location准确地映射了小鼠的脑细胞类型。
为了验证cell2location在真实组织中的定位，将该模型应用于小鼠大脑的数据，其特征是不同的神经细胞类型在跨大脑区域的良好特征的空间结构中组织，是测试空间基因组学的典型用例。生成了匹配的单核(sn)和Visium空间RNA-seq包含端脑和间脑多个区域的相邻小鼠大脑部分的基因组学概况。为了评估空间映射中的生物学和器官内部技术变异，我们分析了两个小鼠大脑和每个大脑的连续组织切片(分别来自两个动物的共三个和两个匹配切片，以及额外的snRNA-seq切片)，创建了一个丰富的多模态和复制的转录组数据集。
59个不同的和注释细胞亚型的参考细胞类型签名，全面覆盖了大脑区域。应用cell2location将这些细胞类型映射到小鼠大脑Visium数据的空间位置。由此产生的细胞类型映射与先前文献中预期的解剖位置明显一致。我们的结果捕获了不同的细胞类型模式，解决了广泛的区域细胞类型，如丘脑的兴奋性神经元和白质的少突胶质细胞(图2d)，罕见亚型，如皮层中间神经元(图2e)和次区域亚型，如跨皮层层的兴奋性神经元。
接下来，为了评估cell2location的特异性和其它方法，我们绘制了一个现有的大型scRNA-seq数据集，其中包括来自多个大脑区域的细胞类型11，其中只有一些出现在我们的空间数据中(图2i)。因此，该数据集跨越了体感觉(SSp)皮层的“阳性”细胞类型(n = 98)以及只存在于海马体中的“阴性”细胞类型(n = 23)。当将这些细胞类型映射到我们的SSp皮层Visium数据时，我们预计阴性细胞类型将被排除，只有阳性细胞类型被指定为替代物。
事实上，cell2location映射对阴性细胞类型的估计比阳性细胞类型的估计要低得多。
最后，为了展示细胞定位在空间转录组技术中的多功能性，我们将小鼠大脑snRNA-seq参考映射到小鼠大脑的一个提供10 μm空间分辨率的Slide-seq数据集。Cell2location解析了Slide-seq空间数据中的细胞类型，包括跨海马分裂和皮质层的精细解剖亚型。
-
区域性星形胶质细胞亚型的鉴定
接下来，我们评估了cell2location在小鼠大脑中绘制细粒细胞类型的表现。我们关注的是星形胶质细胞的异质性，它是神经胶质细胞中最大的一类，密切调控着神经回路的发育和功能。尽管星形胶质细胞在历史上被认为是一种单一的细胞类型，但最近的证据表明，星形胶质细胞在整个大脑中是区域性的多样化的，包括诸如皮层这样的精细解剖分裂。
为了识别区域富集的星形胶质细胞，我们对基于snRNA-seq识别的10个分子和空间上不同的星形胶质细胞亚型进行了标注和空间映射。简而言之，我们在最初的分析中考虑3013个细胞注释为星形胶质细胞。然后，我们应用BBKNN进一步优化这些细胞在所有6个snRNA-seq数据集上的集成，然后是Leiden聚类，确定了17个转录组定义的子聚类。接下来，我们使用cell2location对这些假定的细胞亚型进行了初始映射，合并了在其所映射的空间位置和标记基因表达谱上都不够明确的集群。
我们发现了在丘脑(THAL)、下丘脑(HYPO)、皮层中空间富集的灰质星形胶质细胞亚型(CTX)，杏仁核(AMY)，海马体(HPC)和纹状体(STR)以及白质星形胶质细胞。
-
分解人体淋巴结的细胞组成
我们应用该模型对人体淋巴结的组织微环境进行了空间映射。与老鼠的大脑不同，人类的淋巴结具有动态微环境的特点，其中有许多空间交错的细胞群。我们分析了一份公开的来自10x genomics的人类淋巴结的Visium数据集，并在空间上绘制了34种参考细胞类型的综合图谱，该图谱由来自73,260个细胞组成的人类次级淋巴样器官的scRNA-seq数据集集成而来(图4a,b)。
组织学检查淋巴结Visium样本显示多个生发中心(GCs)。相应的，在用cell2location进行定位后，可以很容易地识别淋巴结组织中预期的主要区域，包括T细胞和B细胞区和GCs伴滤泡树突状细胞(FDCs)。接下来，我们使用cell2location映射结果来识别细胞类型的空间共现，以更好地了解组织组织和预测细胞相互作用。我们对从cell2location估计的细胞类型丰度进行了非负矩阵分解(NMF)(图4d)。与将NMF应用于传统scrna -seq38,39添加剂的优点类似NMF分解生成了空间细胞类型丰度剖面的分组，并将其划分为捕获共定位细胞类型的组件。这种基于nmf的分解自然解释了在跨组织区域共享信息的同时，多种细胞类型和微环境可以在相同的Visium位置共存的事实。综上所述，我们的研究结果表明，cell2location可以绘制以空间交错细胞类型为特征的复杂组织，并通过识别假定相互作用的细胞类型来帮助生物学解释。
-
cell2location用于绘制精细免疫细胞类型
细胞图谱研究极大地扩展了人类组织细粒细胞类型的目录，这通常是理解组织功能和病理的关键兴趣。为了定量测定细胞定位和绘制转录细粒细胞类型的替代方法，我们考虑了两种人类组织中的免疫细胞群，其中许多具有特殊免疫功能的精细亚型可以被识别。例如，T滤泡辅助细胞不同于经典的CD4+ T细胞进入GCs并引导B细胞分化为浆细胞和记忆B细胞以确保持久免疫的能力。最初，我们检测了人类淋巴结中的GC特异性免疫细胞类型(图4)。根据其表达签名与最近的其他细胞类型的欧氏距离，我们将六种已知GC细胞类型分为转录良好或转录不同的类型。我们使用Visium组织学图像标注了GCs的解剖位置(图4f)，并评估了将6种GC细胞类型映射到预期GC位置的替代方法的准确性。尽管所有考虑的方法在绘制不同的细胞类型如fdc(图4h)时都达到了较高的精确度，但在绘制细粒度细胞类型如GC T滤泡辅助细胞时，cell2location明显更准确(图4f-h)。
为了将我们的基准测试扩展到具有更多细粒细胞类型的第二个组织，我们检查了人类肠道中的免疫细胞群(图5a和补充图25和26)。人类肠道是一个具有挑战性的空间定位应用，因为它包含大量转录细粒免疫和非免疫细胞类型，免疫细胞富集在淋巴滤泡中相对较小的组织区域(例如，在我们的数据集中约1%的组织位置)。
我们将这些参考细胞类型映射到由两个连续组织切片组成的成人结肠Visium数据集，在Visium数据集中，我们使用组织学和标记基因表达注释淋巴滤泡的位置。在cell2location定位后，结肠内预期的主要区域可以很容易地确定，包括淋巴滤泡与循环B细胞，上皮间室与结肠细胞和转运扩增祖细胞，肌层粘膜层与肌成纤维细胞。
