编辑 | 萝卜皮
单细胞空间转录组学（sc-ST）有望阐明复杂组织的结构方面。此类分析需要通过将 sc-ST 数据集中的细胞类型与单细胞 RNA-seq 数据集集成来对它们进行建模。然而，这种整合并非微不足道，因为这两种技术在分析基因的数量上差异很大，并且数据集通常不共享给定细胞类型的许多标记基因。
贝勒医学院的研究人员开发了一个神经网络模型，使用神经网络（STANN）进行空间转录组学细胞类型分配，以克服这些挑战。对 STANN 在小鼠嗅球（MOB）sc-ST 数据中预测的细胞类型的分析描绘了超出其基于形态层的常规描述的 MOB 架构。
研究人员发现细胞类型比例在各个形态层内保持一致，但层间差异很大。值得注意的是，即使在一个层内，细胞共定位模式和细胞间通讯机制也表现出很大的空间变化。这些观察结果意味着将主要细胞类型细化为以空间局部基因调控网络和受体-配体使用为特征的亚型。
该研究以「Cell-type modeling in spatial transcriptomics data elucidates spatially variable colocalization and communication between cell-types in mouse brain」为题，于 2021 年 10 月 8 日发布在《Cell Systems》。
为了更好地了解大脑等复杂器官的功能，科学家们努力准确了解其详细的细胞结构和其中发生的细胞间通讯。
在贝勒医学院，Md. Abul Hassan Samee 博士和他的团队朝着这个方向迈出了重要的一步。他们开发了先进的计算方法，使人们对大脑结构和功能的复杂性有了新的认识，这可能会增强对这种复杂器官的理解，无论是健康还是疾病。
「目前，我们拥有使我们能够识别和定位组织中单个细胞的技术。我们还能够确定该组织中每个单个细胞产生的产物是什么。」Samee说。
哺乳动物的大脑很复杂，由数百万到数千亿个细胞组成，在进行分析时，它们会生成大量数据。挑战在于开发将这些数据集中的信息整合在一起的方法，以生成一个能够可靠地反映器官工作方式的模型。
在当前的研究中，Samee 的团队开发了一个神经网络模型来阐明复杂组织的结构和功能。他们将使用神经网络（STANN）的模型称为空间转录组学细胞类型分配。
「我们还使用了其他先进、复杂的计算方法，使模型更加严格。」Samee 说，「我们将 STANN 和其他方法应用于小鼠嗅球的现有大脑数据集，并开始在大脑的细胞结构和功能中看到非常有趣的模式。」
大脑由不同的形态层组成，而 STANN 使研究人员能够预测其细胞组织的详细图片。「我们的模型逐层提供了不同细胞类型的精确位置，它们是否相互通信以及通过何种方式进行通信。」Samee 说， 「这对我们来说是一个『尤里卡时刻』。」
Samee 团队确定细胞类型组成在形态层内非常一致。例如，特定层可能具有一定百分比的星形胶质细胞、神经元和小胶质细胞，它们在整个同一层中保持不变。「如果我们从同一形态层的不同区域取几个小部分，这些百分比看起来非常相似。但是，百分比可能会从一层到另一层发生变化。」Samee 解释说。
该团队在研究细胞共定位时发现了不同的模式。「例如，在形态层的一个区域，我们可能会看到星形胶质细胞与嗅觉神经元共存。但在同一形态层的另一个区域，这些细胞可以完全分离。」Samee 解释说，「我们还看到两种细胞类型之间的细胞间通讯在形态层的不同区域发生变化，这反映了基因调控网络随着位置的变化而变化。」
研究人员假设大脑中的形态层具有不同的空间局部细胞类型群落。群落的细胞类型组成相似，但细胞类型在群落内共定位和交流的方式存在很大差异。这表明脑细胞类型具有执行特定位置功能的空间局部亚型。
「这种在单细胞和功能水平上对大脑组织的新详细视图以前从未被描述过。」Samee 说。
「我们在这项工作中开发的神经网络模型方法为其他研究人员提供了一份『指导手册』，用于研究大脑或其他器官的其他区域，例如心脏，这是我实验室的主要兴趣。」贝勒医学院器官修复和更新中心主任 Martin 说。
论文链接：https://doi.org/10.1016/j.cels.2021.09.004
相关报道：https://medicalxpress.com/news/2021-12-neural-network-reveals-insights-brain.html
