空间转录组测序的核心是含空间坐标信息的DNA编码捕获热点[1] ，弥补了单细胞测序丢失空间位置信息的缺陷，还原组织原貌，为生命科学和疾病研究带来更深刻的见解，因而被Nature Methods评为2020年度技术。

表观生物推出高灵敏空间转录组测序服务，基于CelAtlas微球阵列芯片原位捕获全转录组信息，实现同一样本在组织、细胞、分子多层级进行空间定位分析，并具有高分辨高灵敏的特点，达到10 μm 分辨率，适用于肿瘤、免疫、神经和发育等生命科学和精准医学领域的研究。

技术应用

1.分析样本在组织、细胞、分子多层级的空间表达模式

2.定义细胞及功能

3.研究细胞基因表达与微环境的关系

4.研究肿瘤、免疫、神经、发育、疾病标志物等生命科学和精准医学领域

技术优势

1.微球阵列作为芯片载体，微球紧邻排布，实现更高探针密度

2.高分辨率，达到10 μm 分辨率

3.高灵敏度，低丰度基因检出率高，表达模式更精确

技术原理

采用的CelAtlas芯片上载有具有空间坐标信息的捕获探针，与组织切片结合后通过探针原位捕获组织内的 mRNA 分子并进行 cDNA 合成。通过NGS测序和配套的可视化分析工具，获取样本的空间基因表达模式信息。

送样要求

样本类型：OCT包埋组织块样本物种：仅限人、大小鼠

分析内容

基本分析

1.数据预处理和质量控制

1.1数据分布情况分析

1.2基因数、UMI 总数、线粒体基因比例、核糖体基因比例

1.3表达量top20基因2.细胞聚类

2.1细胞类型在空间的映射

2.2细胞类型在UMAP 的映射

2.3细胞类型在tSNE 的映射

2.4细胞周期在UMAP 上的映射

3.细胞自动注释（spatial、UMAP、tSNE图）

高级分析

1.标记基因功能富集分析

2.细胞轨迹分析

2.1细胞轨迹拟时序UMAP 映射

2.2细胞轨迹聚类UMAP 映射

2.3拟时序差异基因表达

2.4聚类拟时序差异基因表达

3.细胞互作分析

3.1细胞间的相互作用强度和权重

3.2细胞间的相互作用数量

4.空间位置特异表达基因

5.空间聚类

数据示例

图1. 细胞类型在空间的映射

图2. 细胞类型在tSNE的映射

图3. 聚类拟时序差异基因表达

图4. 细胞间的相互作用数量

图5. 空间特异表达top基因热图

图6. 空间聚类

图7. 不同组织样本实测结果展示

案例解读

Cell：从时空角度解析免疫特性的蜕膜基质细胞介导的妊娠早期子宫微环境的建立和稳态维持[2]

此研究对早期妊娠小鼠体内由不同的免疫细胞、内皮细胞、滋养层细胞和蜕膜基质细胞 (DSC) 构成的蜕膜中枢进行了空间可视化并揭示了DSC的分化轨迹，发现了一种具有双重免疫功能特征的DSC (iDSC)。

图8. 空间转录组分析结果，细胞分布的空间可视化

图9. 细胞类型的空间分布情况

参考文献

[1] Rodriques SG, Stickels RR, Goeva A, et al. Slide-seq: A scalable technology for measuring genome-wide expression at high spatial resolution. Science. 2019 Mar 29;363(6434):1463-1467. [2] Yang M, Ong J, Meng F, et al. Spatiotemporal insight into early pregnancy governed by immune-featured stromal cells. Cell. 2023 Sep 28;186(20):4271-4288.e24. [3] Langlieb J, Sachdev NS, Balderrama KS, et al. The molecular cytoarchitecture of the adult mouse brain. Nature. 2023 Dec;624(7991):333-342. [4] Causer A, Tan X, Lu X, et al. Deep spatial-omics analysis of Head & Neck carcinomas provides alternative therapeutic targets and rationale for treatment failure. NPJ Precis Oncol. 2023 Sep 13;7(1):89.