为此,广州国家实验室索生宝团队联合中国科学院彭广敦团队提出了一种从ST数据重建空间细胞剖面的创新方法CMAP(Cell Mapping of Attributes with Position)。该方法通过整合单细胞和空间转录组数据,可以有效地将大规模单细胞映射到其精确空间位置,重建全基因组空间基因表达谱,解锁了以增强单细胞分辨率探索组织微环境的潜力。经模拟和真实数据集的分析表明,CMAP在不同数据类型和测序平台上都具有良好的适应性。特别是在scRNA-seq和ST数据不匹配的情况下,CMAP表现依然良好,可实现可靠的集成和解释。
CMAP提供了一个强大的、兼容的和可扩展的方法来绘制单细胞分辨率的空间细胞图谱,其赋予单细胞精确空间坐标的能力有助于解析细微的空间器官特异性内皮细胞异质性,以及传统单细胞或空间数据分析无法捕捉的复杂癌症免疫微环境信息。
研究团队以Visium数据为例概述了CMAP工作流程。CMAP通过从空间域逐步进展到检测的空间spot,系统地绘制细胞图谱,最终获得精确的空间位置(图1a)。该流程由三个主要过程组成:CMAP-DomainDivision(一级映射)将细胞划分到空间域,CMAP-OptimalSpot(二级映射)将细胞对齐到最佳spot,CMAP-PreciseLocation(三级映射)确定精确的细胞坐标。
图1.CMAP示意图和性能评估。
研究团队通过2个模拟数据集、1个高分辨率Xenium数据集和5个真实数据集全面评估了CMAP在性能,包括其在各种单细胞测序平台(例如Smart-seq2, 10x Genomics Chromium等)和空间技术平台(例如seqFISH、10x Genomics Xenium、Slide-seq、10x Genomics Visium和Geo-seq)上将细胞映射到其原生位置的强大能力,以证明其在空间解析单细胞方面的有效性和实用性,并使用最先进的方法(包括CellTrek、CytoSPACE和几种反卷积算法等)对其进行基准测试。
模拟基准测试结果显示,CMAP的性能优于CellTrek和CytoSPACE(图1,2)。CMAP绘制的细胞与Xenium数据之间的相对高度一致性强调了其捕获复杂空间组织的能力(图3)。在Xenium综合数据的基础上,系统考察关键参数对图谱绘制结果的影响,进一步凸显了CMAP的一致性和适应性。通过仔细评估空间域数量、批次效应去除和分类器选择等关键因素的影响,研究团队证明了CMAP可以在不同的实验设置中提供更可靠的映射,提供高保真的单细胞和空间数据的集成分析。
图2.基于模拟数据的CMAP评估。
图3.CMAP在真实高分辨率Xenium数据(Xenium数据与Visium数据集成)上的评估。
在小鼠皮质数据与Visium空间数据的半监督数据集评估中,CMAP在将细胞定位到正确的解剖层方面显示出良好的准确性,展示了高精度处理小细胞群的能力;在涉及不匹配数据集的场景中,CMAP可区分并排除不匹配的细胞,确保只绘制相关的细胞群,从而提高空间图谱的可靠性(图4)。此外,在内皮细胞的应用中,CMAP证明了其在揭示细胞类型的空间异质性方面的实用性。
图4.CMAP在多种真实世界场景中的性能。
CMAP通过整合scRNA-seq和ST数据来预测全面转录组覆盖的精确单细胞位置,实现了真正的单细胞分辨率,确保了整个转录组空间组织的准确重建。CMAP的灵活性允许其应用于各种场景,包括不匹配的细胞过滤、小细胞群定位和肿瘤微环境分析,有助于深入了解复杂组织中的细胞功能。未来,研究团队计划CMAP可以通过整合单细胞和空间维度的多组学数据,包括蛋白质组学和表观基因组学数据等,以提供对细胞空间异质性更全面的理解,揭示细胞功能和组织的重要调控机制。
原文信息:
Ke, J., Xu, J., Liu, J. et al. High-resolution mapping of single cells in spatial context. Nat Commun 16, 6533 (2025). https://doi.org/10.1038/s41467-025-61667-4
本文由 SEQ.CN 作者:白云 发表,转载请注明来源!