空间生物学:位置，位置，位置!

空间生物学是对细胞和组织的二维和三维研究。细胞和组织的相对位置对生物过程至关重要。在发展在美国，细胞的相对位置决定了组织的分层和模式。空间元素也塑造肿瘤微环境，与肿瘤异质性有关，入侵和转移。空间生物学技术已经发展到通过评估来揭示细胞和组织结构空间转录组，空间蛋白质组学，或空间代谢组学而且lipidomics．多通道还设计了将空间技术与其他方法结合起来的方法，如成像质谱分析(IMS)。多模态方法可以产生更多的信息，以促进对生物过程的更深入的理解。此外，技术进步还在不断提高空间分辨率新技术或计算方法．提高单细胞或亚细胞水平的分辨率可以提供更细粒度的空间信息，例如，这可能有助于识别具有关键空间和生物学意义的罕见细胞类型或阐明细胞器生物学。

本文将回顾多模态IMS应用的进展，以及从空间转录组学数据集获得更高分辨率的计算方法。

多模态IMS:通过多种方法获得更多空间信息

IMS是一项集成了质谱和空间信息的强大技术。自开创性论文该公司于1997年向科学界介绍了这种方法，IMS在范围和研究方面都有所增长临床应用程序。多模式应用程序正在进一步增强IMS功能。“生物系统非常复杂，没有任何一种方式可以完全捕捉到。多通道IMS通过分析多种化学类别或结合质谱与其他模式，从单个实验中生成更多信息。它产生一个单一的多模态图像或视点，优于单独考虑的每个模态，”Richard解释道Caprioli他是1997年IMS论文的作者，斯坦福摩尔生物化学讲座教授，范德比尔特大学医学院质谱研究中心主任。

单峰IMS可以使用各种电离方法进行，这些方法在电离分子的空间分辨率和分子量范围上有所不同。基质辅助激光解吸/电离(谱技术）是最常见的方法，它使用激光束从涂有基质的组织样本中烧蚀分子，以帮助电离。电离分子的分子量范围很广，从代谢物到蛋白质．空间分辨率由激光横截面和像素之间的距离决定，在传统的MALDI IMS中，像素大小从5到20微米不等，但有些可以降至1微米左右激光设置，尽管这要与较少的电离分子作权衡。二次离子质谱法(西姆斯）使用离子束电离组织样本分子。虽然它具有比MALDI更好的空间分辨率，但它只能分析低分子量的物种(< 2 kDa)。解吸电喷雾电离(德西）利用带电液滴流电离组织样本分子，通常比MALDI的空间分辨率低，但它有特殊的优势，即它是在常压下而不是在真空下进行的。

最有前途的多模态方法之一是将各种空间IMS电离方法结合起来，以享受每种方法所提供的好处。例如，结合MALDI和SIMS来增强脂质鉴定在组织或使用较低分辨率的方法指导更高分辨率的分析在感兴趣的区域。多模态IMS还可以利用串联质谱(MS/MS)从组织样本中喷射出的电离碎片中识别脂质或蛋白质。“以前，IMS串联MS/MS仅限于分析来自单个前体离子的片段，即来自组织样本的单个分子物种。虽然这可能足以满足对单个分子感兴趣的实验，例如特定药物在组织中的分布，但它是低通量的，不允许进行非靶向分析，”Caprioli解释道。“通过在IMS过程中对MALDI激光的每一次脉冲应用串联质谱/质谱，我们能够同时可视化多个激光的分布大鼠脑组织中的磷脂酰胆碱脂．”

IMS的功能还可以通过与微萃取和离子迁移的集成来增强，以提高灵敏度。“微萃取是一种很好的方法，通过运行初步的液体或固体萃取步骤来提高灵敏度，这将使样品在特定的分析物中富集，例如蛋白质。当提取在空间上应用时，例如通过液体萃取表面分析(LESA)和更高的分辨率microLESA我们可以分析组织，比如大鼠或小鼠的大脑，”Caprioli解释了最近的研究。“背后的概念离子迁移率与微萃取类似，只是在气相中选择了特定体积和电荷的离子。”

最后，还可以将IMS与其他模式相结合，例如显微镜，光谱学而且电化学．虽然仍处于起步阶段，但甚至有可能将IMS与其他组学技术相结合，例如转录组，虽然，目前，通常没有一个空间元素为第二技术。“我们做了大量的研究结合MALDI IMS显微镜Caprioli继续说道。“例如，我们使用IMS进行调查金黄色葡萄球菌铁载体在宿主小鼠组织中的分布，我们结合电感耦合等离子体IMS进行分析⁵⁶用荧光显微镜分析Fe的表达金黄色葡萄球菌铁获取基因使用GFP报告试验。多模式方法使我们能够可视化铁载体的不均匀分布，这表明宿主可能不均匀地缺乏铁。”Caprioli还在多模式IMS的计算挑战方面与Raf Van de Plas他是代尔夫特理工大学系统与控制中心的副教授，利用多模态IMS来调查除宿主-病原体相互作用外的众多生物过程，例如病原菌膜改造和组织lipidome．

当被问及多模态IMS的未来发展方向时，Caprioli回答说:“以前，多模态IMS是与用标准方法(如H&E)染色的组织切片相结合的。然而，我们可以期望将未来的多模态IMS与新的高度多路复用成像方式集成在一起，例如食典委免疫荧光显微镜。结合IMS测量，例如肽或脂质分布，与其他成像数据，准确描绘组织中的解剖结构或细胞类型，可用于生成细胞的细粒度分子特征及其在组织切片中的变化。”Van de Plas和Caprioli最近在概念证明多模式IMS研究中应用了这个想法自动化生物标志物候选发现．

Van de Plas强调了计算方法即将实现多模式IMS。“目前多模态IMS集成主要使用单变量和多变量模型，可以捕获IMS报告的分子物种与其他成像模式记录的性质之间的线性关系。在未来五年内，采用更复杂的模型类型来模拟跨模态链接将变得越来越普遍，这也使得捕捉非线性关系成为可能。此外，我们还需要数据降维技术可以将多模态IMS数据集中的数千到数百万个已获取维度减少到实际数量，同时产生最小的信息损失。因此，我预计将增加先进信号处理和机器学习技术的开发和使用，以保持IMS分析的实际可行性。”

Caprioli和Van de Plas都预见到多模态IMS的急剧增长，“它提供了生物重要过程的分子视图，否则很难绘制，其空间方面允许它更全面地捕捉生物复杂性。多模态IMS在空间分辨率上以多路和无目标的方式实现了这一点，这与发现和理解生物途径以及疾病的分子机制非常相关。”

BayesSpace:空间转录组学中子点解析的计算框架

许多方法被开发出来在空间上分析基因表达，这些表达在分辨率、目标分析物(mRNA, microRNA)、吞吐量(即分析细胞或斑点的数量)、分析基因的数量以及该方法是靶向的还是非靶向的，即分析预先指定的基因还是所有样本基因方面有所不同。方法也各不相同，从基于显微解剖的方法，荧光原位杂化,原位测序和原位捕捉。原位捕获技术越来越受欢迎，特别是在商业化之后，这使得研究人员可以使用它。

原位捕获工作原理是将组织切片放在载玻片上，载玻片上覆盖有独特的条形码斑点网格。每个点包含DNA捕获探针，包括与样本组织mrna杂交的聚(dT)尾巴，以及编码空间信息的唯一条形码，即，点在载玻片上的位置，因此在覆盖的组织上。组织mrna与探针杂交后，构建DNA文库并进行测序。数据可视化方法基于空间条形码重构转录本的空间分布。空间分辨率受到光斑大小的限制，对于大多数商用方法来说，光斑大小从1个左右到20个以上。

近年来，人们对开发能够提高空间转录组数据集分辨率的计算方法越来越感兴趣。BayesSpace是一种这样的方法，一种贝叶斯统计方法拉斐尔Gottardo,这利用空间转录组数据集的每个点中已经存在的基因表达和空间信息进行聚类和提高分辨率．在BayesSpace开发时，空间转录组学是一项相对较新的技术，当时可用的大多数方法都与单细胞RNA-seq等技术相关。

BayesSpace的核心是一个集群模型。空间转录组数据集中的每个点都可以划分为子点。在这种更高分辨率下建模，BayesSpace可以估计子点水平上的基因表达，并识别具有相似表达谱的子点集群。通过利用空间信息，BayesSpace能够增强分辨率聚类，并生成更高分辨率的空间地图。

BayesSpace在原始点级分辨率下与三种空间方法进行了验证，spatialLIBD，乔托而且stLearn*，三种非空间方法，鲁汶，SC3而且mclust，使用背外侧前额叶皮层．计算方法用于聚类基因表达将背外侧前额叶皮层部分的空间转录组学数据集与白质和六个皮层层进行比较，使用一种称为调整兰德指数(ARI)的度量标准将其与手动注释的参考资料进行比较。与所有其他计算方法相比，BayesSpace具有更高的ARI中位数，表明它可以从空间转录组学数据集中最好地预测皮层层。

BayesSpace在子点位上进行了进一步测试。由于没有其他可用的计算方法来分析亚点水平的数据进行比较，这是通过对侵袭性导管癌进行CD3和CD45的空间转录组学和高分辨率免疫组化来分别染色T细胞和白细胞来完成的。免疫组化的抗cd3和抗cd45信号与空间转录组数据BayesSpace模拟的相应增强基因表达具有良好的相关性，验证了该方法的有效性。此外，BayesSpace细化了划分免疫富区和免疫贫区的边界。

鉴于空间信息对生物过程的重要性，空间分析方法不断得到改进。这包括多模态方法，它将空间方法(如IMS)与其他分析方式结合起来，以增加生物信息的丰富性。此外，技术和计算方法正在推动空间分辨率的极限，以获得关于生物系统的更细粒度信息。

*这篇文章是预印本，还有待同行评审。因此，结果被认为是初步的，应这样解释。了解同行评议过程在研究中的作用在这里．如需进一步信息，请联系所引用的来源。