论文部分内容阅读
小鼠基因组与人类高度同源，是构建脑病模型开展药物评价的重要模式动物。和人类相似，小鼠脑组织的基因表达也具有高度的空间异质性。精准刻画并解析小鼠脑组织转录组的空间异质性，将极大提升对大脑结构和功能分区的认识，从而为揭示中枢神经系统疾病发病机理及开发相应药物提供科学基础，已经成为药学和脑科学领域的重要科学命题。
空间转录组(Spatially resolved transcriptomics)技术的迅猛发展为精准描述脑组织空间异质性提供了可能。但目前主流的三类空间转录组技术均存在若干缺陷，尚不能实现“在单细胞尺度构建全脑的三维转录组图谱”。为此，本学位论文在系统综述空间转录组技术的基础上，针对相应技术瓶颈，围绕空间条形码标记方法、转录组数据单细胞空间计算重构方法等开展了系列研究，并对构建小鼠脑组织单细胞空间转录组图谱进行了初步探索。论文的主要研究内容如下：
1.开发了一种新的空间条形码标记技术，可实现483个样本的准确标记。针对现有条形码技术产生的随机条形码无法直接应用于组织样本的空间位置标记，本研究利用多路复用的组合条形码设计思路，在保留条形码序列信息的前提下实现了条形码组合排列的多样性，并可与激光捕获显微切割(Laser capture microdissection，LCM)技术相结合，用于实现全组织的高通量空间转录组研究。
2.构建了小鼠脑组织空间转录组图谱。目前，小鼠脑组织空间转录组图谱的构建尚存在许多挑战，包括无法实现全组织精准脑区分离、转录组覆盖程度较低以及样本通量提高造成实验成本剧增等。本研究将空间条形码技术与LCM相结合，对36张小鼠脑组织切片中的13个解剖学区域进行了精准分离，并对分离得到的214个样本进行了高通量的空间标记及全转录组测序，构建了小鼠脑组织的空间转录组图谱，并开发了数据库网站。
3.开发了一种基于深度学习框架的大批量细胞(Bulk)转录组数据的单细胞空间重构算法Bulk2Space。本研究充分利用了单细胞测序技术在基因和细胞上的通量优势以及空间转录组技术提供的细胞位置信息，采用深度学习变分自编码器和基于转录组数据的寻优策略，实现了Bulk转录组数据的反卷积分解及空间映射，并在不同的数据中进行了基准测试，提供了一种由Bulk转录组数据到单细胞空间分布的解决方案。
4.利用上述Bulk2Space算法对已获得的小鼠脑组织空间转录组测序数据进行了单细胞空间重构分析研究。将脑组织的Bulk转录组测序数据转化成了空间单细胞转录组数据，同时系统地研究了生成数据的单细胞组成、基因的空间表达模式以及细胞间通讯。
空间转录组(Spatially resolved transcriptomics)技术的迅猛发展为精准描述脑组织空间异质性提供了可能。但目前主流的三类空间转录组技术均存在若干缺陷，尚不能实现“在单细胞尺度构建全脑的三维转录组图谱”。为此，本学位论文在系统综述空间转录组技术的基础上，针对相应技术瓶颈，围绕空间条形码标记方法、转录组数据单细胞空间计算重构方法等开展了系列研究，并对构建小鼠脑组织单细胞空间转录组图谱进行了初步探索。论文的主要研究内容如下：
1.开发了一种新的空间条形码标记技术，可实现483个样本的准确标记。针对现有条形码技术产生的随机条形码无法直接应用于组织样本的空间位置标记，本研究利用多路复用的组合条形码设计思路，在保留条形码序列信息的前提下实现了条形码组合排列的多样性，并可与激光捕获显微切割(Laser capture microdissection，LCM)技术相结合，用于实现全组织的高通量空间转录组研究。
2.构建了小鼠脑组织空间转录组图谱。目前，小鼠脑组织空间转录组图谱的构建尚存在许多挑战，包括无法实现全组织精准脑区分离、转录组覆盖程度较低以及样本通量提高造成实验成本剧增等。本研究将空间条形码技术与LCM相结合，对36张小鼠脑组织切片中的13个解剖学区域进行了精准分离，并对分离得到的214个样本进行了高通量的空间标记及全转录组测序，构建了小鼠脑组织的空间转录组图谱，并开发了数据库网站。
3.开发了一种基于深度学习框架的大批量细胞(Bulk)转录组数据的单细胞空间重构算法Bulk2Space。本研究充分利用了单细胞测序技术在基因和细胞上的通量优势以及空间转录组技术提供的细胞位置信息，采用深度学习变分自编码器和基于转录组数据的寻优策略，实现了Bulk转录组数据的反卷积分解及空间映射，并在不同的数据中进行了基准测试，提供了一种由Bulk转录组数据到单细胞空间分布的解决方案。
4.利用上述Bulk2Space算法对已获得的小鼠脑组织空间转录组测序数据进行了单细胞空间重构分析研究。将脑组织的Bulk转录组测序数据转化成了空间单细胞转录组数据，同时系统地研究了生成数据的单细胞组成、基因的空间表达模式以及细胞间通讯。