Xenium In Situ数据的质量评估及优化方案(试用版)

2024-06-05  本文已影响0人  单细胞空间交响乐

作者,Evil Genius

作为公司的分析人员,多方法比较和优化也是必修课。

今天我们来看看Xenium的一些分析点及可能得优化方案

Xenium本身的细胞分割更加适合于规整的、圆形或者其他形状不太奇怪的细胞,这一点得到了上海10X技术支持的确认,不过对于大多数样本,这个方法就够用了。

这一篇我们来看看对Xenium测试的基准测试,包括细胞分割、 segmentation-free analysis、空间可变基因选择和结构域识别等任务。

大家可以看一下昨天的文章ISS空间转录组的细胞分割算法汇总(stardist、cellpose、QuPath、SCS)

Xenium In Situ平台是一种新的空间转录组学产品,由10X Genomics商业化,能够在亚细胞分辨率下原位绘制数百个转录本(目前已经提升到了5000+的水平)。

细胞分割技术比较

方法比较:watershed, Cellpose,Baysor,Clustermap
测试结果,Baysor-based 的策略,特别是bayor结合Cellpose-based的分割是最佳分割策略

标准工作流的比较

Xenium的信号密度能够原位识别亚细胞结构


在Xenium数据集上对基因插入工具的性能进行基准测试

靶向SRT方法通常受到同时测量的基因数量的限制。代入方法通过从参考scrna序列到细胞分辨率SRT数据预测基因表达来克服这个问题

评估计算工具以探索组织结构

基于成像的SRT具有恢复单个细胞空间位置的能力,可用于破译组织内在结构的组织。

发现Banksy预测的结构域与手工标注的结构域最相似。

处理和分析Xenium数据集的最佳实践

将Xenium获得的数据作为输入,优化数据处理的第一个关键步骤是细胞分割。最优算法包括两个步骤:(1)使用Cellpose识别细胞核;(2)使用Baysor将reads分配给单个细胞。不需要细胞扩增,因为核外读取是使用Baysor分配的。如果细胞分割导致性能不佳,可以使用SSAM或Points2Regions等无分割方法来识别分子特征,而无需识别单个细胞。在对单个细胞进行分割后,获得细胞-基因矩阵。以此为输入,可以使用标准的scRNAseq工作流实现细胞类型识别,该工作流包括(1)细胞过滤,(2)对数变换和归一化,(3)主要PC的识别,(4)低维降维和(5)聚类。此外,如果sc/snRNA-seq可用,则可以使用SpaGE或Tangram等算法进行基因插入。最后,对于域名的识别,使用Banksy可能是一个强大的解决方案。

最后附上优化后的流程

上一篇 下一篇

猜你喜欢

热点阅读