近年來，隨著多重免疫熒光mIHC技術和圖像定量分析技術的發展，對于組織原位蛋白標記物的檢測數量更多，進而可以更好的分析組織微環境的組成結構和更詳細的細胞分型。例如CODEX技術，可以在一張組織切片上，實現40種以上的抗原標記。結合分析軟件，可基于表達相似類型抗原集合實現自動化細胞分型和聚類分析。

單細胞轉錄組測序（single-cell RNA-seq，scRNA-seq）可在單細胞水平揭示全基因組范圍內所有基因的表達情況，非常有利于研究細胞間的表達異質性。通過scRNA-seq可以在轉錄水平上，基于每個細胞中的上千個基因的表達水平進行分型和聚類。而CITE-seq（Cellular Indexing of Transcriptomes and Epitopes by sequencing，通過測序來進行轉錄組和表位的細胞索引技術）技術能夠對數千個單細胞的表面蛋白標記物進行測定，同時還能夠對相同單細胞中的mRNA進行測序。為了提升對mIHC數據的注釋能力，越來越多的研究人員選擇將scRNA-seq數據與mIHC數據結合起來。

自賓夕法尼亞大學的科研人員在SCIENCE ADVANCES發表了一篇名為“Single-cell transcriptomic analysis of mIHC images via antigen mapping”的文章。在文章中開發了 STvEA 算法(Spatially resolved transcriptomics via epitope anchoring)，該算法利用CITE-seq 得到的 RNA 測序數據，對CODEX 全組織單細胞表達圖片進行注釋。該分析方法不僅允許作者通過抗原表達類型和轉錄組表達狀態注釋細胞，而且還可以分析空間基因表達情況和研究細胞群體之間的相互作用。

STvEA算法通過三個步驟對單細胞轉錄組數據進行分析。第一步，通過共享的抗體panel，將CODEX得到的蛋白空間表達圖譜，與CITE-seq得到的轉錄組信息通過軟件算法結合起來；之后，將基于mRNA表達結果進行的細胞分型整合到CODEX空間單細胞圖像上，得到空間轉錄信息注釋；最后，STvEA可以幫助研究人員根據CODEX空間蛋白表型和CITE-seq的轉錄組數據對細胞分型結果進行驗證和細胞群體之間相互關系研究。

文章選擇小鼠脾臟作為研究樣本，將CITE-seq測序數據集定位到CODEX空間原位圖像上。基于CODEX和CITE-seq繪制表達圖譜的原理如下圖A展示，該算法基于兩種方法學得到數據中共有的鄰域和mRNA表達譜的一致性，得到CODEX和CITE-seq細胞集合中的對應關系，再基于這些對應關系將兩個細胞集合整合為一個細胞蛋白表達圖譜。之后，如下圖B所示，將CITE-seq細胞集合定位到脾臟組織切片的CODEX空間原位圖像上。

同時，作者基于轉錄組表達結果注釋了脾臟組織中的細胞群體，將細胞分為17種亞型，并對CODEX空間原位圖片中的細胞根據這17種亞型進行分型。并通過STvEA算法繪制了以下幾個UMAP圖（注：UMAP是一種單細胞數據降維可視化工具）和空間分布圖：下圖A展示的為基于這17種分型對CODEX蛋白表達聚類結果注釋的UMAP圖；圖B展示的這17種分型對CITE-seq蛋白表達聚類結果注釋的UMAP圖；圖C展示的是在組織切片上這17種細胞亞型的空間分布。

并展示了CODEX細胞與同一CITE-seq細胞相關蛋白表達譜的一致性。

[參考信息]

1. Single-cell transcriptomic analysis of mIHC images via antigen mapping. SCIENCE ADVANCES • 5 Mar 2021,Vol 7, Issue 10