近日，牛津大学人类遗传学中心Katherine R. Bull及数学系Heather A. Harrington团队，联合华大生命科学研究院等科研机构，在Nature发表了题为“Multiscale topology classifies cells in subcellular spatial transcriptomics”的研究。该研究通过多尺度拓扑分析技术，在亚细胞空间转录组学领域实现了细胞类型的精准分类，为细胞生物学和转录组学研究带来了革命性的进展。
文章题目：Multiscale topology classifies cells in subcellular spatial transcriptomics
发表时间：2024-06-19
发表期刊：Nature
主要研究团队：牛津大学、华大生命科学研究院等
影响因子：50.500
DOI：10.1038/s41586-024-07563-1
本文介绍了一种名为TopACT（topological automatic cell type identification）的创新方法，该方法整合了转录组数据以及空间上下文信息，实现了在亚细胞层面上的细胞类型自动分类。该方法具有广泛的适用性，可应用于多种平台和组织类型，显著提高了细胞身份识别和组织形态学分析的能力。作者对该方法在人肾脏、小鼠脑样本和小鼠肾脏样本上进行了实际应用，充分展示了TopACT的有效性和实用性。此外，研究人员还运用了Multidimensional persistence homology landscapes（MPH）技术，对空间中稀疏分布的细胞进行准确定位。这项研究为空间单细胞水平的信息提取和解析提供了新的视角和思路。
空间转录组学面临的一个关键挑战是在单细胞水平上推断信息，尽管现有技术能够在亚细胞分辨率下测量基因表达，但仍需开发新的计算方法来提取单细胞信息。随着高分辨率空间转录组技术的兴起，如Stereo-seq、HDST、Visium HD、Seq-Scope，迫切需要开发专门的方法以准确识别细胞类型。目前的方法主要依赖细胞分割和与单细胞RNA测序数据的整合，但新兴方法如Baysor则尝试直接为转录本分配细胞类型。为了应对高分辨率数据带来的挑战，研究人员提出了一种新的分析框架，该方法结合空间相邻性信息和单细胞RNA测序数据（如果可用），以无先验细胞边界知识的方式识别细胞类型。这一进步为空间转录组学研究提供了新的视角和工具。
本文介绍了TopACT方法在四个不同数据集上的应用，并与其他方法进行了比较。
1. 采用了TopACT方法，在合成基准数据中成功地对细胞类型进行了分类
经验证 TopACT能够识别精细结构和稀疏细胞。与现有方法相比，TopACT在准确率上显著领先，并且能准确识别稀有细胞类型。即使在RNA扩散的影响下，TopACT的性能依然稳健，证明了其在细胞类型分类中的可靠性和准确性。
在先前发布的Stereo-seq小鼠脑数据中，TopACT成功识别了现有方法无法检测到的巨噬细胞群体，显示了其独特的识别能力。
TopACT预测了成年小鼠大脑中先前未识别的血管周围巨噬细胞（PVM）
在基于Xenium成像的空间转录组人类肾脏数据集中，TopACT改进了细胞形态和细胞注释的准确性，为研究人员提供了更精确的数据。
对人类IgA肾病（IgAN）肾脏进行TopACT细胞分割
基于Stereo-seq数据，TopACT精确定位了小鼠肾脏中稀疏分散的免疫细胞，展示了其在空间转录组学领域的应用价值。
通过TopACT的分析，发现狼疮肾炎小鼠肾脏样本中肾小球免疫活动显著增加，这与狼疮样免疫浸润的病理特征一致。
MPH进一步量化了狼疮肾炎肾脏样本中免疫细胞的空间分布模式，并预测了处理后的肾小球免疫细胞呈环状结构，这一预测通过多重免疫荧光染色得到了验证。
TopACT 预测了小鼠肾小球中的免疫细胞环状结构
1. TopACT工具适用于超高分辨率，信号极为稀疏的空间转录组数据，从而实现对体积小且分布稀疏的细胞定位；
2. TopACT方法在信号扩散的情况下，依旧保持较高准确性；
3. TopACT适用于多种平台产出的高分辨率空间组数据，且具有高度准确性。
在这项研究中，研究人员成功引入并应用了TopACT，在亚细胞水平上能够精确解析细胞类型信息，并且能够有效定位难以追踪的稀疏细胞，其灵活的多尺度方法显著提升了在亚细胞空间中识别细胞类型的准确性。
研究人员利用Stereo-seq技术生成的小鼠大脑和肾脏数据，验证了TopACT的卓越性能。Stereo-seq以其纳米级分辨率捕获全转录组基因的能力，为TopACT提供了极其丰富的数据支持，使得TopACT能够准确地将预测的细胞映射到核成像和特异性标记物的位置。
TopACT结合MPH landscape克服了Xenium技术在细胞分割方面的限制，通过生成更真实的细胞形态和提高注释准确性，展现了在图像处理和分析领域的巨大潜力。研究人员进一步利用Stereo-seq的高维度和精细数据，成功定位了肾小球组织中的免疫细胞亚型，并据此推断出组织的浸润情况。
总结来说，TopACT作为一种通用灵活的数学方法，为在没有细胞边界的情况下解决细胞分割问题提供了新的解决方案。研究人员期待将基于RNA转录物特征的拓扑分析与成像信息相结合，以进一步优化和发展TopACT，使其能够应用于更高维度的生物医学数据，为科学研究提供更为全面深入的见解。
