Nat Biotechnol | Cell2location : 贝叶斯算法联合分层分析绘制精细空间转录组图谱

英国Sanger研究所Omer Ali Bayraktar 研究组和Oliver Stegle研究组合作，建立了能够对不同组织进行精细空间转录组分析和图谱绘制的新工具Cell2location，此文章发表在2022年1月Nature Biotechnology上，下面为文章的详解。

文章题目：Cell2location maps fine-grained cell types in spatial transcriptomics

发表时间：2022-01-13

发表期刊：Nature Biotechnology

主要研究团队：英国Sanger研究所

影响因子：68.164

DOI：10.1038/s41587-021-01139-4

研究背景

组织空间结构中，不同类型的细胞以一定的规则组织起来，构成细胞间通讯、器官功能和病理学的基础。空间转录组技术为解析细胞的原位组织结构，提供了解决方案。器官与组织中的细胞类型众多，这些细胞类型以细微的转录差异为标志，在不同的组织中具有一定的特殊化，因此，进行单细胞和细胞类型的区分和鉴定并非易事。

想要解决这一问题，首先，需要对分离组织中的细胞进行scRNA-seq以识别不同的细胞类型；然后，结合空间转录谱，匹配不同的细胞类型到组织原位。目前，已有一些空间转录组技术和分析方法，但是这些方法用于分析复杂组织中的细胞类型的敏感性仍然不够。

研究方法

研究人员开发了Cell2location算法，可针对不同组织，应用贝叶斯模型细粒度地从空间转录组数据中解析细胞类型、创建细胞图谱。Cell2location可以处理复杂的数据，可对scRNA-seq和空间转录组多数据集进行联合分析。该模型的独特之处在于，采用分层设计来分析跨空间位置的统计强度，从而提高分辨率和灵敏度，特别是用于解析复杂组织中的细粒度细胞类型。研究人员在3种不同组织中应用和评估了Cell2location，均显示出可提升区分细粒度细胞类型的敏感度。此外，绘制了人类淋巴结中罕见B细胞的状态图，鉴定了小鼠大脑中的区域星形胶质细胞的亚型。

研究成果

1. Cell2location：用贝叶斯模型进行细胞类型空间映射

Cell2location通过整合来自给定组织的单细胞或单细胞核RNA-seq和空间转录组数据，来绘制细胞类型的空间分布。具体过程如下：第一步，从单细胞和单核细胞RNA-seq图谱中，使用常规聚类或其他方法识别细胞类型和亚群，估计参考细胞类型特征。在此步骤中，默认情况下，Cell2location使用负二项回归，这允许跨技术平台和跨批次数据集的稳健组合。第二步，Cell2location使用这些参考信号和一个或多个空间转录组数据集作为输入，将各个空间位置的mRNA计数分解为参考细胞类型，从而估计不同位置单个细胞类型的细胞丰度 （图1）。

图1 Cell2location的空间映射方法和分析工作流程示意图

使用模拟数据对Cell2location进行验证，发现无论细胞丰度模式如何，Cell2location都以高精度鉴定了细胞类型，包括低丰度和区域细胞类型 （图2）。

图2 模拟数据验证模型

然后，将Cell2location与已有的从空间转录组学数据估计细胞类型相对丰度的5种方法，包括Stereoscope、Seurat、RCTD、NNLS（AutoGeneS）、SpotLIGHT等，进行了比较，发现Cell2location能更准确地估计跨位置的细胞类型比例（图3）。

图3 比较Cell2location和已有方法估计49种细胞类型丰度比例的能力。y轴显示的是在不同位置，模拟和估计的细胞类型比例之间的皮尔逊相关系数。

2. Cell2location精确地映射了小鼠脑细胞类型

随后，利用真实组织来源的真实数据验证了Cell2location的效力（图4）。首先，将其应用于小鼠大脑，分析了两个小鼠大脑以及其系列组织切片中的细胞类型，对40,532个细胞核的snRNA-seq数据聚类分析，确定了51种假定的细胞类型，其中44种细胞可以跟已有研究相对应，包括星形胶质细胞、兴奋性或抑制性神经元以及胶质细胞亚型等。然后，绘制了小鼠大脑中精细细胞类型图谱，与其他替代方法相比，Cell2location准确地排除了不应存在于空间数据集中的参考细胞类型，以高精度和可重复性映射了不同的脑细胞类型。

图4 全面准确地绘制小鼠大脑中细胞类型的空间图

3. 区域性星形胶质细胞亚型的鉴定

接下来，研究人员评估了Cell2location对小鼠大脑中细粒度细胞类型的映射，并且将目光转移到了揭示星形胶质细胞的异质性上。为了识别区域富集的星形胶质细胞，根据snRNA-seq聚类结果，注释并在空间上区分了10个分子和空间上不同的星形胶质细胞亚型，发现灰质和白质星形胶质细胞两个亚型在丘脑（THAL）、下丘脑（HYPO）、皮质（CTX）、杏仁核（AMY）、海马（HPC）和纹状体（STR）中空间富集（图5a、b）。

研究人员还关注了间脑区，迄今为止在这个脑区仅报道过一种灰质星形胶质细胞亚型，但此研究中，鉴定到了4个区域分布不同的灰质星形胶质细胞亚群（图5c），并使用单分子荧光原位杂交（smFISH）验证了这些间脑星形胶质细胞亚型的身份和分布（图5d）。进一步评测发现（图5e），与其他方法相比，Cell2location 是唯一一个将THAL_hab星形胶质细胞准确映射到其经过验证的组织位置的方法。

图5 空间分析发现新的区域性星形胶质细胞亚型

4. 分辨人类淋巴结的细胞分区

研究人员分析了人类淋巴结的公开可用空间转录组数据集，整合由73,260个细胞组成的人类次级淋巴器官的scRNA-seq数据集，在空间上绘制了一个包含34种参考细胞类型的综合图谱（图6a、b）。组织学检查显示，淋巴结样本中有多个生发中心（germinal centers，GCs）。相应地，用Cell2location进行映射后，淋巴结组织中预期的主要区域很容易被识别出来，包括T细胞和B细胞区，以及带有滤泡树突状细胞（follicular dendritic cells，FDCs）的GCs（图6c，右）。

接下来，研究团队使用Cell2location结果来识别细胞类型的空间共现，以更好地理解组织组织和预测细胞相互作用。对Cell2location估计细胞类型丰度进行了非负矩阵分解（negative matrix factorization，NMF）（图6d），产生了一组空间细胞类型丰度谱，可用于捕获共定位细胞类型。Cell2location与NMF分解相结合发现了一个罕见的前生发中心B细胞群（“preGC”；图6e）。

图6 绘制人类淋巴结的细胞区室图

5. 绘制精细免疫细胞类型的Cell2location标杆

首先，研究人员分析了人淋巴结中的GC特异性免疫细胞类型，可区分到6种已知的、转录组不同的细胞类型。使用Visium组织学图像注释了GC的解剖位置，并评估了Cell2location和替代方法将6种GC细胞类型映射到预期的GC位置的准确性。所有方法在映射转录不同型时都实现了高精度，但Cell2location在映射细粒度细胞类型时明显更准确（图7）。

图7 Cell2location和替代方法对人类淋巴结中的GC特异性免疫细胞类型的映射

之后，研究人员分析人类肠道中的免疫细胞群。人类肠道包含大量的转录特征细粒度的免疫和非免疫细胞类型，且免疫细胞富集在淋巴滤泡中相对较小的组织区域，对其进行空间映射分析具有一定的挑战性。

通过整合来自儿童和成人肠道的scRNA-seq数据集，定义了一个全面的细胞类型参考特征集，并将这些参考细胞类型映射到成人结肠Visium数据集，使用组织学和标记基因表达注释了淋巴卵泡的位置，且结肠内预期的主要区域可以很容易地识别。

研究人员在肠道scRNA序列参考中确定了19种免疫细胞类型，并映射了淋巴滤泡中的分布，与其他方法相比，Cell2location对于细粒度细胞类型分辨达到了显著更高的精确度（图8）。

最后，研究人员探索了Cell2location中的最优建模，进一步证实了借用跨位置的统计强度来映射精细的细胞类型、分层建模的好处。

图8 Cell2location在绘制人体肠道精细免疫亚型方面优于其他方法

总结

应用贝叶斯模型的Cell2location提供了足够的灵敏度和分辨率，来绘制适用广泛组织的细胞类型空间分布图，包括转录精细亚型，从而允许以多种方式创建不同组织的综合图谱。预期，Cell2location将广泛用于绘制跨越发育、健康和疾病的组织结构转录组图谱。