【文献速递】-深度学习和空间分辨单细胞转录组与Tangram的对

绘制器官的生物图谱需要我们在空间上解析整个单细胞转录组，并将这些细胞特征与解剖位置联系起来。单细胞和单核 RNA-seq (sc/snRNA-seq) 可以全面地分析细胞，但会丢失空间信息。空间转录组学允许进行空间测量，但分辨率较低且灵敏度有限。靶向原位技术解决了这两个问题，但基因通量有限。为了克服这些限制，文献提出了 Tangram，一种将 sc/snRNA-seq 数据与从同一区域收集的各种形式的空间数据对齐的方法，包括 MERFISH、STARmap、smFISH、空间转录组学 (Visium) 和组织学图像。Tangram 可以映射任何类型的 sc/snRNA-seq 数据，包括多组学数据，例如来自 SHARE-seq 的数据，用它来揭示染色质可及性的空间模式。通过以视觉和躯体运动区域的单细胞分辨率重建健康小鼠脑组织全基因组解剖学整合空间图。

https://github.com/broadinstitute/Tangram