单细胞转录组（scRNA-seq）与空间转录组（ST）的区别

单细胞转录组（scRNA-seq）与空间转录组（ST）的区别

引用

CSDN

1.

https://m.blog.csdn.net/Da_gan/article/details/146099262

单细胞转录组测序（Single-cell RNA sequencing, scRNA-seq）和空间转录组测序（Spatial Transcriptomics, ST）都是解析基因表达的重要技术，但它们在技术原理、分辨率、数据特性、应用场景等方面存在明显区别。

下面从多个维度详细对比这两种技术。

技术原理

单细胞转录组（scRNA-seq）

• 核心原理：将细胞分离成单个细胞，通过高通量测序技术检测每个细胞的mRNA表达情况。

• 关键步骤：

1. 组织解离：使用酶或机械方法分离单个细胞。
2. 细胞捕获：利用微流控芯片（如 10x Genomics）、微滴（Drop-seq）、微孔（SMART-seq）等技术对单个细胞进行分离。
3. mRNA 提取与扩增：使用逆转录和PCR技术扩增RNA。
4. 文库构建 & 高通量测序：将cDNA文库进行Illumina测序。
5. 数据分析：利用降维（PCA/t-SNE/UMAP）、聚类、细胞类型注释等方法解析细胞异质性。

空间转录组（ST）

• 核心原理：在组织切片上原位捕获 mRNA，并保留空间信息，通过测序或荧光成像解析基因表达模式。

• 关键步骤：

• 条形码探针法（Visium, Slide-seq）：玻片上布满条形码探针，mRNA 与其结合，并进行测序。

• 原位测序法（MERFISH, seqFISH）：荧光标记RNA分子，通过显微成像获取表达数据。

1. 组织切片：组织样本固定后切片，铺在玻片或特殊基质上。
2. mRNA 捕获：
3. 基因表达检测：进行高通量测序或荧光成像。
4. 数据分析：空间基因表达重建、区域聚类、细胞类型鉴定、空间相互作用分析等。

分辨率对比

单细胞转录组

• 优势：可检测单个细胞基因表达，适用于研究细胞异质性、稀有细胞类型、细胞命运轨迹等。
• 劣势：缺乏组织空间信息，细胞分离过程可能影响细胞状态。

空间转录组

• 优势：保留细胞在组织中的空间信息，适用于研究组织结构、细胞间相互作用、发育过程等。
• 劣势：通常无法达到单细胞分辨率，部分技术（如Visium）每个spot可能包含多个细胞。

数据特性

单细胞数据：更关注细胞异质性，适合细胞亚群分析。
空间数据：强调基因表达的空间模式，适合研究组织微环境。

主要技术平台对比

适用研究方向

单细胞转录组 & 空间转录组的整合分析

为了同时利用 scRNA-seq 的细胞精度 和 ST 的空间信息，可以进行数据整合：

1. 使用 scRNA-seq 识别细胞类型。
2. 将单细胞数据映射到空间数据，推测不同细胞在组织中的分布。
3. 分析空间基因表达模式，研究细胞间相互作用。

常用整合工具：

• Seurat（单细胞 + 空间数据映射）
• SPOTlight（基于 NMF 解析空间细胞组成）
• Cell2location（贝叶斯模型推测细胞分布）
• Tangram（机器学习模型进行单细胞-空间映射）

总结

最佳实践

• 想研究细胞类型？用 scRNA-seq
• 想研究组织结构？用 ST
• 想结合两者？用 scRNA + ST 整合分析

未来，单细胞 & 空间转录组的结合 将成为趋势，推动更深入的生物学研究！ 🚀