ATLAS 实现小鼠脑跨遗传背景的空间单细胞转录图谱
Spatial single-cell mapping of transcriptional differences across genetic backgrounds in mouse brains
研究团队提出可扩展的组织图谱方法 ATLAS,从单细胞RNA测序数据学习转录特征,并用数万个寡核苷酸探针原位编码与解码,从而推断细胞类型和转录组。
该方法以单细胞RNA测序数据学习转录特征,再用寡核苷酸探针原位解码,为大尺度组织比较提供可复用的技术路径。
已发表论文 · journal · 10.1038/s41592-026-03289-2
本站摘要基于收录版本 v1(2026-10-31),原始摘要与 AI 导读固定保留。
IF(5) 52.5 · 2025 · 期刊参考指标
遗传变异可以改变器官的结构与功能。要在不同遗传背景之间对器官进行比较统计分析,需要具有重复样本的、空间分辨的、单细胞水平的、图谱规模的数据。在此我们推出了基于聚集体特征的图谱规模转录组定位技术(ATLAS),这是一种可扩展的组织图谱绘制方法,它从单细胞RNA测序数据中学习转录特征,用数万条寡核苷酸探针在原位对其进行编码,并通过解码推断细胞类型及推算转录组。我们通过与标记基因的MERFISH直接测量结果进行比对,并与其他四种技术进行定量比较,验证了ATLAS。我们对五只雄性和五只雌性C57BL/6J小鼠以及五只雄性BTBR T+tf/J小鼠(一种特发性自闭症模型)的中央脑区,分析了超过400张冠状切片中的4000万个细胞。我们的分析揭示了40多项细胞类型分布上的显著差异,并在雄-雌比较以及B6-BTBR比较中鉴定出16处区域性组成变化。因此,ATLAS能够实现系统性的比较研究,从而促进对疾病模型的器官水平结构-功能分析。
来源:Nature Methods · doi.org