八月高分文獻速遞，空間轉錄組系列應用文獻合集
1高分文獻一：從單細胞和空間轉錄組學推斷模式驅動的細胞間流動
文章標題：Inferring pattern-driving intercellular flows from single-cell and spatial transcriptomics
期刊：nature methods
影響因子：36.1
文章摘要：從單細胞 RNA 測序（scRNA-seq）和空間轉錄組學（ST）中，我們可以提取出高維基因表達模式，這些模式可以用細胞間通信網絡或解耦基因模塊來描述。這兩種信息流描述通常被認為是獨立發生的。然而，細胞間通信會驅動由細胞內基因模塊介導的定向信息流，進而觸發其他信號的流出。目前還缺乏描述這種細胞間信息流的方法。我們介紹的 FlowSig 是一種利用圖形因果建模和條件獨立性從 scRNA-seq 或 ST 數據中推斷通訊驅動的細胞間信息流的方法。我們使用新生成的皮質類器官實驗數據和數學建模生成的合成數據對 FlowSig 進行了基準測試。我們通過將 FlowSig 應用于各種研究來證明它的實用性，結果表明 FlowSig 可以捕捉刺激誘導的胰島旁分泌信號的變化，證明 COVID-19 嚴重程度增加導致的細胞間流的變化，以及重建小鼠胚胎發生中形態發生驅動的激活劑-抑制劑模式。
2 高分文獻二：人骨肉瘤單細胞及空間分辨率圖譜
文章標題：A single-cell and spatially resolved atlas of human osteosarcomas
期刊：Journal of Hematology & Oncology
影響因子：29.5
文章摘要：骨肉瘤是一個錯綜復雜的細胞生態系統，其中異型相互作用對疾病進展和治療效果有著重要影響。盡管骨肉瘤非常重要，但人們對其細胞組成和組織結構的詳細了解卻仍是空白。在本研究中，我們對人類骨肉瘤進行了全面的單細胞和空間轉錄組學分析。我們構建了細胞元圖譜來剖析空間轉錄組數據，揭示了骨肉瘤組成亞群的詳細圖譜。我們細致地描述了每個亞群的獨特基因特征和功能狀態，并研究了化療對這些細胞亞群的影響。此外，我們的空間轉錄組學分析還發現了一個獨特的空間生態位，它位于腫瘤壞死區的最前沿，可能與化療耐藥性有關。還深入研究了不同細胞亞群之間的相互影響。這項研究為骨肉瘤的細胞結構提供了一個全面的轉錄圖譜，豐富了對其復雜性的理解，并為更有針對性的治療方法奠定了基礎。
3 高分文獻三：肝癌的單細胞腫瘤異質性：揭示轉移前亞型及其與成纖維細胞的相互作用
文章標題：Single-cell tumor heterogeneity landscape of hepatocellular carcinoma: unraveling the pro-metastatic subtype and its interaction loop with fibroblasts
期刊：Molecular Cancer
影響因子：27.7
文章摘要：腫瘤的異質性對于理解驅動腫瘤進展和轉移的機制是一個巨大的挑戰。肝細胞癌（HCC）在細胞水平上的異質性尚不清楚。作者通過整合52個單細胞RNA測序數據和5個空間轉錄組學數據，建立了HCC惡性細胞的異質性圖譜。在腫瘤細胞中發現了三種亞型，包括 ARG1+代謝亞型（Metab-subtype）、TOP2A+增殖表型（Prol-phenotype）和 S100A6+轉移亞型（EMT-subtype）。富集分析發現，這三種亞型具有不同的特征，即新陳代謝、增殖和上皮-間質轉化。軌跡分析顯示，Metab亞型和EMT亞型都起源于Prol表型。轉錄因子分析發現，EMT亞型顯示出SMAD3和TGF-β信號通路的獨家激活。以 EMT 亞型細胞為主的 HCC 預后不良。EMT-亞型腫瘤細胞可通過分泌 SPP1 招募纖維細胞，從而形成有利于腫瘤侵襲轉移的腫瘤微環境。總之，作者的研究為HCC的腫瘤異質性提供了先前未知的見解，并確定了轉移的潛在靶點。
4 高分文獻四：結合圖注意力網絡和子圖技術，在單細胞分辨率上推斷空間細胞-細胞通訊
文章標題：Deciphering cell–cell communication at single-cell resolution for spatial
transcriptomics with subgraph-based graph attention network
期刊：Nature Communications
影響因子：14.7
文章摘要：細胞-細胞通訊（CCC）的推斷對于更好地理解生物系統中復雜的細胞動力學和調控機制至關重要。然而，在單細胞分辨率下準確推斷空間細胞通訊仍是一項重大挑戰。為了解決這個問題，我們提出了一種名為 DeepTalk 的多功能方法，通過整合單細胞 RNA 測序（scRNA-seq）數據和空間轉錄組學（ST）數據，以單細胞分辨率推斷空間 CCC。DeepTalk利用圖注意網絡（GAT）整合scRNA-seq和ST數據，從而實現單細胞ST數據的精確細胞類型鑒定和基于斑點的ST數據的去卷積。然后，DeepTalk 利用基于子圖的 GAT 捕獲多層次的細胞間聯系，進一步實現單細胞分辨率的空間分辨 CCC 推斷。DeepTalk 在多個跨平臺數據集上發現有意義的空間 CCC 方面表現出色，這證明了它在錯綜復雜的生物過程中剖析細胞行為的卓越能力。
5 高分文獻五：METI：通過整合細胞形態學和空間轉錄組學深入分析腫瘤生態系統
文章標題：METI: deep profiling of tumor ecosystems by integrating cell morphology and spatial transcriptomics
期刊：Nature Communications
影響因子：14.7
文章摘要：空間轉錄組學（ST）技術的最新進展為了解腫瘤微環境（TME）中的細胞相互作用提供了寶貴的視角。然而，大多數分析工具缺乏對組織學特征的考慮，并且依賴于匹配的單細胞 RNA 測序數據，這限制了它們在 TME 研究中的有效性。為了解決這個問題，我們引入了形態學增強空間轉錄組分析集成器（METI），這是一個端到端的框架，可以映射癌細胞和TME成分，對細胞類型和狀態進行分層，并分析細胞共定位。METI 將空間轉錄組學、細胞形態學和已策劃的基因特征整合在一起，增強了我們對組織內分子景觀和細胞相互作用的理解。我們評估了 METI 在各種腫瘤組織（包括胃癌、肺癌、膀胱癌以及惡性腫瘤前組織）生成的 ST 數據上的性能。我們還將 METI 與現有的聚類和細胞解旋工具進行了定量比較，證明了 METI 強大而穩定的性能。
