近年來,單細胞轉錄組測序技術為解決關鍵生物醫學問題提供了強有力的工具。雖然單細胞轉錄組解決了細胞異質性問題,但無法還原其具體的空間位置,也就無法精準探究細胞功能。而空間轉錄組學則可填補這一空缺,利用空間轉錄組技術,研究人員能夠將組織內細胞的基因表達信息定位到組織的原始空間位置上,從而分析組織中不同部位功能及基因表達的差異。
但空間轉錄組的技術尚不成熟。目前已有的檢測方法在技術上要求很高,包括需要高靈敏度的單分子螢光成像系統、複雜的圖像分析過程,以及冗長的重複成像工作流程等,使得其難以實現大規模的研究應用。此外,大多數方法都是基於有限的探針雜交技術檢測已知的基因序列,限制了發現新基因和突變基因的可能。
為了克服上述瓶頸,耶魯大學樊榮教授團隊開發了一種名為DBiT-seq(Deterministic Barcoding in Tissue for spatial omics sequencing) 的空間組學測序技術。該技術不需要複雜的成像技術,而是利用高通量測序NGS和DNA條形碼技術獲得轉錄組和蛋白組學的信息,同時獲得空間信息,可實現更高的樣品通量和成本效益。通過將該技術應用於小鼠胚胎的解析,結果顯示,DBiT-seq可以成功捕獲小鼠早期器官形成中的主要組織類型,以及大腦中微血管內皮細胞和視網膜色素上皮細胞等細微特徵。近日,該研究結果發表在Cell上,文章題為「High-Spatial-Resolution Multi-Omics Sequencing via Deterministic Barcoding in Tissue」。
圖1. 文章發表於Cell期刊
據文章介紹,DBiT-seq不需要裂解組織即可釋放mRNA,並且與現有的甲醛固定的組織玻片兼容。該技術通過NGS測序在組織玻片中可同時獲得mRNA和蛋白質信息。DBiT-seq可直接利用包含50個平行微通道的微流控晶片在組織切片樣本中引入DNA條形碼A和B。該技術首先通過逆轉錄在原位合成第一鏈cDNA,則該cDNA鏈納入了條形碼A,隨後可再引入DNA條形碼B。
經過上述兩個步驟,組織切片經過兩套條形碼系統在交叉點進行原位連接,形成組織像素的整合點,每個像素點都含有條形碼A和B的不同組合,形成二維圖像,將組織形態與空間組學相關聯。此外,為了同時檢測蛋白組和轉錄組,組織切片也被22個抗體衍生的DNA標籤 (Antibody-Derived DNA Tags, ADTs) 混合染色。最終,在形成一個空間條形碼組合後收集cDNAs進行PCR擴增,構建測序文庫,並利用NGS進行雙端測序。
圖2. DBiT-seq工作流程示意圖。來源:Cell
在獲得下機數據之後,經過數據處理可得到每個像素點的總UMIs數和檢測到的基因數。分析結果顯示,在10微米的體系中,DBiT-seq共檢測到22,969個基因,平均每個像素點檢測到2,068個基因。同等空間解析度(10微米像素尺寸)下的 Slide-seq可檢測到150個基因。
此外,低解析度空間轉錄組 (ST) 方法檢測到的每像素點UMIs或基因的數量DBiT-seq相當,但ST用到的晶片每個像素點是100微米,為文中顯示的DBiT-seq的十倍,從面積上分析就是接近100倍或兩個數量級的差異。
圖3. 基因和UMI計數的評估和比較。來源:Cell
隨後,為驗證該技術性能,研究人員利用DBiT-seq分析了整個小鼠胚胎,並鑑定了早期器官發生的所有主要組織類型。結果顯示,高解析度的DBiT-seq可以很容易地分辨小鼠胚胎發育的精細特徵,如大腦微脈管系統和排列在視神經泡周圍的單層色素上皮細胞。
圖4. 小鼠胚胎的空間多組學解析。來源:Cell
綜上所述,樊榮教授團隊開發的DBiT-seq技術,能以高空間解析度獲得組織切片的轉錄組信息和22個蛋白質組學的信息。這種基於NGS技術的檢測方法是無偏倚的,可同時檢測整個轉錄組層面,因此可用於繪製組織環境中的基因圖譜。另外,DBiTseq與其它基於空間轉錄組方法有著根本的區別,DBiTseq只需要一套試劑和一個簡單的設備就可以進行實驗,因此,可在生物學和生物醫學研究的廣泛領域得到應用,包括發育生物學、神經科學、癌症、免疫生物學和臨床病理學,具有強大的應用潛力。
圖5. 研究概要圖。來源:Cell
參考文獻:
1. Liu et al., High-Spatial-Resolution Multi-Omics Sequencing via Deterministic Barcoding in Tissue, Cell (2020). Published online Nov 13, 2020.
2. Aran, D., Looney, A.P., Liu, L., Wu, E., Fong, V., Hsu, A., Chak, S., Naikawadi, R.P., Wolters, P.J., Abate, A.R.,et al. (2019). Reference-based analysis of lung single-cell sequencing reveals a transitional profibrotic macrophage. Nat Immunol 20, 163-172.
3. Chen, K.H., Boettiger, A.N., Moffitt, J.R., Wang, S.Y., and Zhuang, X.W. (2015). Spatially resolved, highly multiplexed RNA profiling in single cells. Science 348.
4. Eng, C.L., Lawson, M., Zhu, Q., Dries, R., Koulena, N., Takei, Y., Yun, J., Cronin, C., Karp, C., Yuan, G.C., et al. (2019). Transcriptome-scale super-resolved imaging in tissues by RNA seqFISH. Nature 568, 235-239.
5. Klein, A.M., Mazutis, L., Akartuna, I., Tallapragada, N., Veres, A., Li, V., Peshkin, L., Weitz, D.A., and Kirschner, M.W. (2015). Droplet barcoding for single-cell transcriptomics applied to embryonic stem cells. Cell 161, 1187-1201.