【Nature子刊】最新！康奈尔大学研究人员绘制出人体组织详细图谱，助力器官与细胞研究

 10 月 31 日发表在《Nature Methods》上的文章“Unsupervised discovery of tissue architecture in multiplexed imaging”，报道了一种计算方法，以前所未有的细节绘制人体组织结构图。该方法有望加速器官尺度细胞相互作用的研究，并可以为各种疾病提供强大的新诊断策略。

https://www.nature.com/articles/s41592-022-01657-2

研究背景

“在显微镜下观察组织，你会看到一堆在空间上聚集在一起的细胞，同时，你几乎可以立即在图像中看到这种组织，” Junbum Kim 说。“现在，细胞生物学家已经获得了非常详细地检查单个细胞的能力，包括每个细胞表达的基因，因为他们专注于细胞而不是组织结构。”

然而，“对于研究人员来说，更多地了解组织结构的细节至关重要；组织内细胞之间关系的根本变化驱动着健康和患病的器官功能，” Olivier Elemento 博士说。

但是，手动将单细胞数据与组织结构图结合起来既缓慢又乏味。机器学习算法已显示出使该过程自动化的一些潜力，但它们受到用于训练它们的数据的限制。为了解决这个问题，Kim 和他的同事开发了一种无监督计算策略，使用单细胞基因表达谱和细胞位置的组合来定义组织内的结构区域。

新方法

为了解决跨数据类型和生物系统在组织中发现微解剖结构的问题，研究人员开发了一种称为 UTAG 的方法。该方法通常适用于通过高度多路复用的单细胞成像数据收集的天然组织环境中的细胞图像，例如索引共检测 (CODEX)、循环免疫荧光 (CyCIF)、成像质量流式细胞仪 (IMC)、多路复用离子束成像 ( MIBI）和同样的多路复用空间平台。

UTAG 的核心是两个矩阵的组合，这些矩阵表示图像中存在的每个细胞的表型和位置信息，以生成一个新的特征空间，该空间对空间聚合的表型信息进行编码。然后可以将这个新特征矩阵聚集成表型和空间相关的细胞域。表型信息矩阵（特征矩阵）是每个细胞的基因或蛋白质丰度或形态的数字矩阵，而每个细胞的位置信息用于通过二值化和可选的归一化（邻接）生成细胞之间的物理接近度图矩阵。

使用细胞相互作用图发现组织显微解剖学和结构域的方法的示意图

 消息传递过程的图

研究结果

研究人员使用这种新方法生成了几种组织的详细图谱，识别和量化了显微解剖学的新方面——细胞相互作用时小规模出现的模式，并决定了组织的最终功能。他们与北卡罗来纳大学教堂山分校的一位研究肺部疾病的同事合作，还证明了该技术可以在组织中的不同疾病状态之间进行细微的区分。

虽然癌症和其他慢性疾病通常会导致组织结构发生重大变化，但详细的显微解剖学也有助于诊断和治疗更急性的疾病。以严重的 COVID-19 为例，Rendeiro 表示“有很多免疫细胞进入附近，肺组织发生了巨大的变化。” 目前，该研究团队正在将他们的新技术应用于广泛的组织，以了解组织组织的变化如何影响其在健康状态下的功能和疾病中的功能障碍。（转化医学网360zhyx.com）

参考资料：

https://phys.org/news/2022-10-method-human-tissues.html

https://www.nature.com/articles/s41592-022-01657-2

注：本文旨在介绍医学研究进展，不能作为治疗方案参考。如需获得健康指导，请至正规医院就诊。