編輯丨toileter
當人類前行至遠方,我們以自己的腳步衡量出道路,以道路為絲線繪製出這片大地的地圖。而現在,我們將目光望進自己的體內,意圖探索生物系統的交錯複雜。與此,空間蛋白質組學為我們帶來了更清晰的筆跡,使得人類在對抗疾病的道路上得以踏上更便捷的道路。
空間蛋白質組學,涵蓋了廣泛的基於免疫組織化學的方法,包括但不限於迴圈免疫熒光 (cycIF)、索引共檢測 (CODEX)、迭代漂白擴充套件多重性 (IBEX)、多重離子束成像 (MIBI) 和成像質譜流式細胞術 (IMC)。這些方法可用於生成標本(如組織和器官切片)的高度多路複用影像,以瞭解其蛋白質組成和空間組織,是許多全球圖譜專案的基礎。
除此之外,在深度視覺蛋白質組學 (DVP) 這項技術中,複雜樣品被鐳射解剖,單個解離的細胞透過質譜法進行分析,從而保留其空間背景資訊以建立空間蛋白質圖譜。該技術的一個主要優點是它不受可用抗體數量的限制,因此實現了更大的蛋白質組覆蓋率。
質量控制CyLinter
為了防止在組織切片出現偽影的情況下造成單細胞分析方法失敗,CyLinter 被設計開發出來作為 Napari 多通道影像檢視器的外掛。CyLinter 由一組用 Python 程式語言編寫的質量控制(QC)軟體模組組成,這些模組以靈活的方式處理影像和相應的單後設資料,其中模組可以迭代執行,同時為模組內部和模組之間的進度新增標籤。
CyLinter 將四個檔案作為每個組織標本的輸入:拼接和配準的多路複用影像(TIFF/OME-TIF)、由分割演算法生成的細胞識別掩碼、顯示分割細胞之間邊界的二進位制影像以及空間特徵表,以逗號分隔值(CSV)格式表示,包括每個分割單元的位置和計算的訊號強度。
CyLinter 與組成它的 metaQC 模組一樣,它的聚類模組允許其使用者在執行 UMAP(24)或 t 分佈隨機鄰域嵌入(t-SNE)資料降維和 HDBSCAN 基於密度的聚類任務時,可以識別出高維特徵空間中的離散細胞群;而 clustermap 模組則負責生成每個簇的蛋白表達譜。
圖 1:使用 CyLinter 清理資料集
這些 QC 步驟允許使用者對隱去或者保留結果資料應用一系列客觀標準,並生成檢查以修改先前資料的過濾模組輸出。在結束流程後,CyLinter 會輸出一個經過編輯的空間特徵表,用以表示多個樣品的資料詳情與 QC 報告。以此來實現分析的可重複性與透明度。
CyLinter 網站:https://labsyspharm.github.io/cylinter/
基因特異性推斷CalicoST
腫瘤會透過捕獲人體體細胞突變而進化,包括核苷酸、CNA 與大規模結構變異。儘管體細胞的突變發生在 DNA 中並且沒有透過 SRT 直接測量,但大 CNA 會在基因表達中留下特徵。為了更好地追蹤這種痕跡,CalicoST 應運而生。
CalicoST 從腫瘤的一個或者多個 SRT 樣本中推斷等位基因特異性 CNA 和腫瘤進化的系統重建。透過識別每個癌症克隆轉錄區域的基因特異性整數複製數,揭示對總複製數上不可見的事件。之後它會為每一個點位分配一個克隆標籤,指示該點位的複製數配置檔案。之後,它將其與已識別的複製數譜對比,以進行結合體細胞進化和克隆空間傳播的系統地理學的迭代發育。
在非單細胞解析度的 SRT 技術中,CalicoST 可以推斷與建模正常細胞與癌細胞的混合物,以此更加準確的判斷基因特異性複製數與癌細胞繁殖數量。其輸入的空間座標矩陣支援它同時處理來自同一個腫瘤的多個區域或者對其切片。
圖 2:CalicoST 從來自同一個患者的樣本中推斷基因特異性複製數與腫瘤
CalicoST 識別通常難以推斷出腫瘤的倍性擴大化,尤其是僅針對於推斷總複製數的變化。在某些轉錄計數與複製數中性區域沒有實質性差異的情況下,會導致CalicoST 錯過許多複製數。
CalicoST 程式碼:https://github.com/raphael-group/CalicoST/
技術發展前景
高度多路複用影像中通常存在的偽影,比如標本本身存在的偽影,或者染色過程中與影像採集過程中存在的偽影,亦或是最終處理出現的偽影,都會對單細胞分析造成巨大影響。第一類本身自帶的通常無可避免,後兩者雖然可以最小化,但無法透過良好的實驗完全消除。
偽影生成的偽叢集可以藉由 CyLinter 來刪除。不過,清晰可見的編輯特徵分析通常建立在大量資料採集上。CyLinter 旨在利用高度多重組織影像 QC ,加速和系統化人類視覺審查,使其與多種組織型別相容。解放了人工審查的同時,其獲得了大量用於訓練自己的資料。
人工檢查員也可以以此來糾正人工審查的錯誤,並將有效結果傳遞至未來將會登場的雲平臺上,以此來放開對功率與執行負荷的限制。
CalicoST 需要足夠多的雜合 SNP 覆蓋率以獲得資訊豐富的 BAF 值,而基於探針的技術不對 SNP 進行測序。此外,單個基因的畸變無法與差異表達明顯區分出來,這就導致畸變斑點數量會出現異常。除此之外,基因的高變異性與CalicoST 對樣本數量的要求導致難以推斷高複製擴充的準確數字。
在此基礎上,需要進一步迭代其基礎架構與 GPU 效能,改進其選擇克隆的模型標準,與其他空間測量相結合,把後臺儲存庫搭建在雲臺上,以最廣闊的網路資料來支撐起復雜多變的實際變異模型。在後續的未來中,CalicoST 野火透過對錶徵耐藥克隆與藥物敏感克隆的細微差異上,以全新的角度來研究耐藥性。
結語
空間蛋白質組學的未來非常出色,而應用在其上的這些全新技術將會在人類對抗畸變腫瘤的路上留下一盞盞指引路線的明燈。更好的顯微鏡,更全面的資料庫,更清晰的分析結果,這些技術改進引領我們在這條道路上走得更遠,我們將會更加深入的瞭解到人體更深處的奧秘。
再次感謝在科技前沿努力的工作者,也恭喜空間蛋白質組學榮獲nature 2024年度方法。
原文連結:https://www.nature.com/articles/s41592-024-02565-3