空间转录组和表观组联合技术服务
Spatial ATAC-RNA-seq
-
早期研究组织中细胞的功能会采用单细胞测序分析方法,如单细胞RNA-seq、单细胞ATAC-seq等等。但是,在制备单细胞测序文库时,不可避免地要制备细胞悬液。这一过程会抹除原有组织中的空间信息,而在肿瘤和复杂组织(如脑组织)等的研究中,空间位置是研究细胞间相互作用和微环境所必需的。为了记录空间信息,人们相继开发出了空间组学检测分析方法,而我司提供的技术服务spATAC-RNA-seq可以同时记录一张组织切片上配对的转录组和表观调控组信息,相比基于空间转录组分析方法,spATAC-RNA-seq可同时实现空间转录组-表观组联合检测分析。Spatial-ATAC-seq利用微流控技术将组织进行空间二维编码,并与ATAC-seq技术进行结合,实现了全基因组尺度的染色质可及性分析。
从细胞样品提取到最终数据获得,样品检测、建库、测序等每一环节都会直接影响数据的数量和质量,从而影响后续信息分析的结果。空间组学进一步细化了在空间上的生物研究粒度,不仅能研究正常发育和生理状况,也适合研究疾病中的组织结构紊乱。
Spatial ATAC-RNA-seq
-
Spatial ATAC-RNA-seq首先针对各组学数据进行基本的分析研究,再进行联合分析
1、FindVariableFeatures找出前3000个关键基因。
2、SCTransform用于数据的标准化
3、并使用PCA,UMAP等方式进行数据降维,并挑选前2个组分进行可视化展示,最后使用SLM算法进行聚类。
4、Spatial ATAC数据处理中,则使用FindTopFeatures找到关键区域
5、并使用 latent semantic indexing进行降维,最后同样采用SLM算法进行聚类。
6、在联合分析中,首先通过PCA,LSI进行降维
7、然后UMAP并使用SLM算法聚类。
8、对于RNA筛选出的Marker基因,我们同时将其基因表达情况,染色体富集区域进行分析,以寻找合适研究目标。
分析流程
-
2023年3月15日,耶鲁大学樊荣教授团队和卡罗林斯卡学院Gonçalo Castelo-Branco教授团队合作,在《Nature》上在线发表了题为 Spatial epigenome–transcriptome co-profiling of mammalian tissues 的最新空间多组学技术。除了成功实现整个领域期待的在同一组织样品上实现总体染色质可及性和基因表达的联合空间组学分析(Spatial ATAC–RNA-seq),这个工作同时报道了三个特定的组蛋白修饰和基因表达的联合分析(Spatial CUT&Tag–RNA-seq),和单细胞数据整合显示这些技术达到了细胞水平或近单细胞分辨率。这个工作能够在空间和全基因组水平上观察表观遗传机制如何在组织中控制转录表型和细胞动态,揭示组织结构中空间表观遗传启动、分化和基因调控的新见解。该技术将在生命科学和生物医学研究领域引起广泛兴趣。
在研究中,对Spatial ATAC–RNA-seq技术,研究人员使用甲醛固定的冰冻组织切片,首先用预装有DNA adapter的Tn5转座酶复合物进行处理,随后将同一组织切片在包含生物素,连接序列和poly-T的DNA adapter中孵育以启动逆转录。之后,在组织切片上依次放置两个方向垂直的微流控芯片,分别引入空间编码Ai (i = 1−50或100)和Bj (j = 1−50或100),从而形成一个二维的、由空间编码定义的组织像素网格,每个像素点由Ai和Bj编码 (总编码像素数= 2,500或10,000)。最终得到组织中组蛋白修饰和转录组的空间共同分析结果。