空间转录组是一种怎样的转录组？

对于转录组你们已经很是熟悉，那么空间转录组呢？空间转录组是什么？空间转录组有哪些方法/策略？有什么应用？...web

这些问题的答案都在今天分享的这篇综述中。2020年6月，来自浙江大学和悉尼大学的研究人员在《Trends in Biotechnology 》杂志发表了关于空间转录组的综述，详细比较了现有的空间转录组技术在细胞和基因通量以及空间分辨率上的差别，深刻探讨了各类方法的技术原理及其优缺点，并对空间转录组技术的应用前景和发展方向进行了展望。微信

为何要作空间转录组研究？
网络

无数具备不一样功能类型的细胞数量与发育（时间）和区域（空间）差别相结合，构成了哺乳动物器官转录异质性的主要组成部分。随着单细胞测序技术的不断发展，单细胞组分、转录水平可经过多种技术检测到，极大的提升了研究者们从异质性样本中分析细胞类型特异性的基因调控网络的能力，但此前技术没法检测到空间信息，由于单细胞测序技术在将实体组织解离成单个细胞的过程当中，不可避免地丢失了空间信息。app

空间异质性是器官功能的关键特征，细胞的位置信息对细胞命运调控机制和细胞谱系发生过程的研究十分重要。所以，为了更好地了解细胞，有必要同时记录其转录异质性和空间坐标。svg

空间转录组的方法和技术有哪些？
布局

广义上讲，现有的生成空间分辨转录组学的方法可分为四类：用于空间重建的计算策略和组学实验的组合，使用激光捕获显微切割（LCM）结合NGS进行直接测量，使用荧光物质的基于图像的原位转录组学，以及基于寡核苷酸的空间条形码再加上NGS。每种方法都有其优势和缺点。
大数据

每种空间转录组学方法的基因和细胞通量url

目前空间转录组的方法和技术比较spa

四类空间转录组示意图.net

空间重构的计算策略：这种计算方法能够充分利用内在基因表达模式或共表达的趋势，从单个细胞的大量转录组数据中重构细胞间的环境。然而，这些推论方法在某些状况下仅呈现空间趋势或特定组织的整体布局。

基于LCM的方法：基于LCM的转录组学或基因组学成功地得到了单个细胞的空间转录组，尽管其通量很低，可是在能够标记成千上万个单个细胞位置的多路复用条形码策略可行以前，将少许细胞的数据粗略地整合到构成器官的巨大背景中，可能具备必定价值。

基于图像的原位转录组学：基于图像的原位转录组学在很大程度上增长了可检测区域，但也存在一些问题，例如几种smFISH方法很难从包括信号干扰、转录本积累等复杂背景中提取单个细胞。

空间条形码加NGS：费用较高且没法在单个细胞中得到转录组。

空间转录组有哪些应用？

尽管当前的空间分辨转录组学技术尚不完善，但因为解决组织分子结构的巨大兴趣，其已被普遍应用于临床和生物学研究。

空间转录组的应用

发现疾病的空间异质性：同时了解患病组织中的细胞类型及其定位有助于解决空间分辨的转录组学问题。在不一样的环境下，明智地选择这些方法在生物学研究中也是相当重要的，例如在神经科学中，基于FISH的方法很广泛；基于LCM的方法适用于小样本（例如临床样本）以及整个转录组或基因组分析。

构建空间转录组图谱：借助于空间分辨的单细胞转录组学，创建图谱多是在分子水平上研究生物体结构的重要步骤。目前的多项研究经过单细胞转录组技术结合空间转录技术，获得多个器官的时空转录组图谱（相关研究后续会在数据资源专辑更新）。

描绘胚胎发育和空间蓝图：胚胎发育是一个复杂的过程，其中动态变化在生物分子水平上迅速发生。对这种微观变化的时间和空间方面的分析都具备挑战性。预期使用空间转录组学技术能够表征胚胎发育的空间表达蓝图。

尽管空间转录组技术已经获得普遍应用，可是其潜力远远不止于此，例如运用空间转录组研究单细胞水平的上的细胞交流；基于图像的方法，观察单个细胞内的分子行为，分析基因互做、调控网络等。

阻碍当前技术的主要挑战是从单个细胞原位得到无偏转录组，由于大多数现有的基于实验的方法都来自靶向方法smFISH。须要开发新的技术来实现高空间分辨率和高通量的scRNA-seq。这种完善的技术的出现将容许它们普遍地应用于解决一系列生物学问题。

公众号又双叒叕改版了，为了让您能快速获取咱们发布的优质文章推送，建议您能够采起如下行动：

文末点击“在看”、点“赞”、分享
将『国家基因库大数据平台』公众号“星标”
与小编“留言互动”

参考文献

Liao J, Lu X, Shao X, et al. Uncovering an Organ’s Molecular Architecture at Single-Cell Resolution by Spatially Resolved Transcriptomics[J]. Trends in Biotechnology, 2020.

图片来源：均来源于参考文献，若有侵权请联系删除。

本文分享自微信公众号 - 国家基因库大数据平台（close_3080908629）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。