多组学(Multi-omics)研究是探究生物体中多种物质之间相互作用的方法,包括基因组学、表观基因组学、转录组学、蛋白质组学、代谢组学等,这些物质共同影响生命系统的表型、性状等。
对于发病原因复杂的疾病通常很难用单一的理论模式进行表述。多组学研究的引进为其发病机制的研究提供了新思路。多组学是通过整合生物系统中诸多相互联系和作用的组分来研究复杂生物过程的机制,即研究生物中所有组成成分(基因、RNA、蛋白质和代谢产物等)的构成以及在特定条件下这些组分间的相互作用和关系,并分析生物系统在某种或某些因素干预扰动下在一定时间内的动力学过程及其规律。
近年来,空间组学逐步进入大家的视野。空间组学技术在传统的定量统计层面上更进一步的引入了空间分布及结构这一概念,空间组学技术正在提供一个新的视角。通过量化数十到数百个基因、转录物或蛋白质,空间组学能够在自然组织或细胞结构的背景下收集有价值的分子、细胞和微环境信息。基于成像的空间蛋白组学提供了在细胞环境下可视化研究蛋白的机会。越来越多的研究表明,遗传背景相同的细胞群体也会在蛋白表达水平、蛋白定位上表现为差异。基于成像的空间蛋白组学技术有助于通过捕获单细胞分辨率下的蛋白空间分布来研究这种可变性。蛋白的可视化成像,通常使用抗体,或荧光蛋白的融合表达来实现。结合单细胞分辨率的基于成像的空间蛋白组学技术,结合DNA水平的变异信息和RNA水平表达量的变化,在多维度对研究目标进行综合分析。
案例一
多组学技术联合进行膀胱癌预后生物标志物探索
题目:An N-Cadherin 2 expressing epithelial cell subpopulation predicts response to surgery
发表杂志:Nature Communications
美国西达赛奈医学中心的科学家通过单核 RNA 测序,结合空间转录组学和单细胞原位空间蛋白分析人类膀胱癌,确定了具有治疗反应预测能力的CDH12+上皮亚群,为免疫治疗有效性患者的预测提供了更清晰的途径,为设计生物标志物指导的临床试验提供了新思路。
研究者使用单核细胞测序、空间转录组鉴定出CDH12作为预后的生物标志物,但生物学解释尚不清楚。使用单细胞原位空间蛋白方案,检测组织原位的35种蛋白分子,进行单细胞水平的蛋白标志物分析、细胞邻域空间表型分析,在蛋白表达水平验证了CDH12 作为生物标志物的可能性。结合细胞空间关系和其他免疫细胞标志物,发现富含CDH12的上皮细胞驻留在CD8+T细胞耗尽后富集的独特细胞生态位中,揭示了CDH12作为生物标志物的分子机制。
案例二
多组学联用解析三阴性乳腺癌静默癌症细胞生态位
题目:Quiescent cancer cells resist T cell attack by forming an immunosuppressive niche
发表杂志:Cell
美国丹娜法伯癌症研究院的科学家对三阴性乳腺癌中对免疫治疗不反应的静默癌症细胞的生态位进行研究。文章使用转录组测序,单细胞测序,多重免疫荧光,单细胞原位空间蛋白分析等多组学技术共同对肿瘤中静默细胞生态位进行研究。
研究者首先使用荧光标记识别注射的肿瘤细胞和Jedi T细胞,方便对这些细胞进行分离,追踪和进一步分析。并且采用了一种特殊的光转化确认肿瘤微环境结合单细胞测序的技术PADME-seq (photo-conversion of areas to dissect micro-environments)。通过流式细胞分选术对杀伤性T细胞注射后存活的GFP肿瘤细胞,然后对这些细胞进行转录组测序。测序结果显示这些细胞仍具有肿瘤启动能力。
之后,研究者采用多重免疫荧光方法,发现静止癌细胞(QCC)所在区域的免疫细胞浸润减少,增殖能力下降。转录组测序同样发现缺氧诱导因子HIF1a在QCC细胞中表达上调。单细胞测序结果显示QCC区域内天然免疫能力下降,免疫反应相关通路表达下调,树突细胞中MHCI和MHCII的表达也下调,说明QCC的免疫呈递功能下降。单细胞原位空间蛋白分析和多重免疫荧光结果同样发现QCC区域内MHCII的表达下降。
这篇文章构建了一种可追踪的肿瘤小鼠模型,通过荧光标记追踪肿瘤细胞和杀伤性T细胞。并且联用转录组测序,单细胞测序,流式细胞分选,多重免疫荧光,单细胞原位空间蛋白分析等多组学技术,相互验证,共同展示了QCC细胞及其生态位内部的微环境和作用机制。
案例三
原位多组学空间表型分析深度解析艾滋病免疫失调机制
题目:Combined protein and nucleic acid imaging reveals virus-dependent B cell and macrophage immunosuppression of tissue microenvironments
发表杂志:Immunity
美国斯坦福大学的Garry Nolan研究团队通过蛋白-核酸原位成像法实现了33种生物标志物检测,建立了多组学空间表型分析体系,并报道了HIV宿主淋巴组织免疫抑制微环境形成机制的研究成果。
研究选用了非人灵长类动物疾病模型,分别利用猿猴免疫缺陷病毒(SIV)和新冠病毒(SARS-CoV-2)进行vDNA和vRNA造模。将核酸原位杂交技术(DNA/RNA Scope)与该团队常用的几种蛋白原位检测技术:IF、多重免疫荧光、单细胞原位空间蛋白分析、MIBI相结合,在细胞系和组织切片中实现蛋白-核酸原位成像(简称PANINI)。
研究者在超多靶标蛋白-核酸原位成像的基础上对样本进行空间表型分析,对比SIV感染组和对照组恒河猴淋巴组织中的细胞表型差异。采用细胞邻域(Cellular Neighborhood,简称CN)分析,得到了11个有着独特细胞分布特征的细胞邻域。在CN分类完成的基础上,分析SIV感染导致的细胞邻域分布改变以及其中细胞的功能调节。
并使用蛋白-核酸原位成像技术进行了SIV病毒感染后组织特性的分析,找出了感染过程中关键的标志物(CD56,IL-10,FoxO1,HLA-DR,CD21等),并提出了相应的原位多组学空间表型分析模型。
人们对多层次生物学途径的研究越来越感兴趣。蛋白组和转录组数据具有互补的特点,这使得研究人员可以将细胞的蛋白组和转录组信息与单细胞的空间环境信息整合。整合的空间多组学分析有潜力发现新的关联,罕见的细胞群和复杂的疾病标记物,提供了组织微环境的系统-生物学观点。目前已经开发了几种综合分析策略,将PhenoCycler(原名CODEX)基于多重成像的空间蛋白组数据与单细胞RNA测序和CITE-seq数据合并。
GLUER (inteGrative anaLysis of mUlti-omics at single-cEll Resolution)就是这样一种工具,它集成了单细胞多组学数据和成像数据。该方法由美国费城儿童医院和宾夕法尼亚大学的Kai Tan博士和他的团队开发。该团队描述了他们如何使用GLUER将PhenoCycler基于成像的空间蛋白组数据与单细胞RNA测序数据合并,以研究小鼠脾脏组织中转录本和蛋白表达的空间分布。
STvEA (Spatially-resolved Transcriptomics via Epitope Anchoring)是宾夕法尼亚大学Pablo Camara博士的实验室为了克服CITE-seq的局限性而开发的方法。CITE-seq可以同时分析RNA和蛋白的表达,但缺乏空间信息。在Science杂志上发表的一篇论文中,研究人员演示了STvEA如何将CITE-seq转录组映射到空间解析的PHENOCYCLER成像数据。
总结:基于成像的空间蛋白组学技术在组织原位对细胞类型,细胞所处位置和细胞间的空间关系进行检测和分析。结合基因组测序,转录组测序,单细胞测序等技术,在多层维度对研究目标或科学假设进行阐述和验证。这种多组学联用适用于基础科研和临床研究的多个领域,在肿瘤微环境相关研究,新的生物标记物开发,以及病毒感染等领域广泛使用,越来越多的多组学联用相关实验方法和算法的发表,为科学工作者们的研究工作提供更多有效的工具。
参考文献
1. An N-Cadherin 2 expressing epithelial cell subpopulation predicts response to surgery, chemotherapy and immunotherapy in bladder cancer. NATURE COMMUNICATIONS | (2021) 12:4906
2. Quiescent cancer cells resist T cell attack by forming an immunosuppressive niche. Cell. 2022 May 12;185(10):1694-1708.e19.
3. Combined protein and nucleic acid imaging reveals virus-dependent B cell and macrophage immunosuppression of tissue microenvironments. 2022, Immunity 55, 1118–1134
4. GLUER: integrative analysis of single-cell omics and imaging data by deep neural network
bioRxiv 2021.01.25.427845; doi: https://doi.org/10.1101/2021.01.25.427845
5. Single-cell transcriptomic analysis of mIHC images via antigen mapping. Sci Adv. 2021 Mar 5;7(10):eabc5464.
关注我们
FOLLOW US
官方公众号
样本体验申请
技术服务需求