基于Stereo-seq及RNA-seq 技术，为小鼠大脑细胞类型注释制定基准

2024.05.25

标题：Benchmarking mapping algorithms for cell-type annotating in mouse brain by integrating single-nucleus RNA-seq and Stereo-seq data

发表期刊：Briefings in Bioinformatics

发表时间： 2024年5月23日

影响因子：9.5

研究对象：小鼠大脑

文章概要：在空间转录组（ST）数据的研究中，存在两个主要问题：一是基因捕获效率有限，二是数据点的大小限制，这两个问题都给准确识别细胞类型带来了不小的挑战。由于哺乳动物大脑中的细胞组成既复杂又多样，因此从大脑中获取的ST数据进行精确注释变得尤为困难。为了克服这一难题，研究人员开发了多种算法，这些算法尝试通过将ST数据与单核RNA测序（snRNA-seq）或单细胞RNA测序的数据相结合，来识别和分类神经元的不同亚型。然而，目前尚没有明确的评估标准来确定这些算法在处理Stereo-seq这类ST数据时的准确性。

为了填补这一空白，研究团队选取了来自四个小鼠大脑区域的10组ST数据集（包含两种不同的分辨率）以及从snRNA-seq数据中生成的24组伪ST数据集，对9种不同的映射算法进行了全面评估。在评估过程中，他们使用与ST数据集相对应的大脑区域的snRNA-seq数据集作为参考，对实际ST数据和伪ST数据进行了映射和比较。通过对比不同大脑区域和分辨率下的算法性能，研究团队发现，其中两种算法——一种注重鲁棒的细胞类型分解，另一种名为SpatialDWLS的算法——在细胞类型注释方面展现出了卓越的稳健性和准确性。

为了进一步验证这一结论，研究人员还使用了来自另一测序平台的皮层区域snRNA-seq数据进行了测试，结果同样支持了他们的发现。基于这些研究成果，研究团队开发了一套工作流程，旨在帮助研究人员评估不同映射算法在ST数据集上的适用性。这一工作流程的推出，有望提升空间数据注释的效率和准确性，为生物医学研究提供更有力的支持。

期刊·Briefings in Bioinformatics 物种·小鼠样本类型·大脑

返回列表