2023年3月7日，來自俄羅斯科學院托木斯克國家醫(yī)學研究中心癌癥研究所癌癥進展生物學實驗室、托木斯克國立大學轉(zhuǎn)化細胞與分子生物醫(yī)學實驗室、俄羅斯人民友誼大學分子與細胞醫(yī)學研究所單細胞生物學實驗室等機構(gòu)的科學家們聯(lián)合在線發(fā)表了題為“Comparison of the Illumina NextSeq 2000 and GeneMind Genolab M sequencing platforms for spatial transcriptomics”的研究成果。該研究基于真邁生物的GenoLab M和Illumina的NextSeq 2000兩個測序平臺分別對3例卵巢癌樣本進行10x?Genomics Visium空間轉(zhuǎn)錄組測序，并對得到的測序數(shù)據(jù)進行比較分析。研究發(fā)現(xiàn)GenoLab M在測序數(shù)據(jù)質(zhì)量方面的表現(xiàn)與NextSeq 2000不相伯仲。在后續(xù)的降維分析、細胞亞群分析及差異表達基因方面也與NextSeq 2000分析結(jié)果均保持了高度的一致性，證明其應(yīng)用于空間轉(zhuǎn)錄組的實力。
背景介紹
單細胞轉(zhuǎn)錄組測序(scRNA-seq)是在單個細胞水平進行高通量轉(zhuǎn)錄組測序的一項新技術(shù)，能夠有效解決細胞異質(zhì)性以及組織轉(zhuǎn)錄組測序（bulk RNA-seq）被掩蓋的細胞群內(nèi)轉(zhuǎn)錄組異質(zhì)性難題。該技術(shù)有助于發(fā)現(xiàn)新的稀有細胞類型，深入了解細胞生長與分化過程中的表達調(diào)控機制。然而，在進行scRNA-seq測序的細胞解離過程中不僅存在與細胞應(yīng)激、細胞死亡/細胞聚集等相關(guān)的阻礙因素，同時還會丟失空間信息。此外，一些組織中的特定細胞類型，尤其是免疫細胞，難以從組織中解離出來，更限制了scRNA-seq測序的廣泛應(yīng)用。技術(shù)更迭，空間轉(zhuǎn)錄組技術(shù)橫空出世，更是在2020年被Nature Method評為年度技術(shù)。其中基于10X 單細胞平臺的空間轉(zhuǎn)錄組技術(shù)成為了主流。該技術(shù)不僅能夠檢測完整組織切片的總mRNA，而且還能將組織的空間信息和形態(tài)學內(nèi)容與mRNA整合在一起，最終繪制出基因表達的空間位置信息。為研究細胞功能、細胞表型和組織微環(huán)境等提供了關(guān)鍵的信息。
真邁生物的GenoLab M測序儀作為一個新的測序平臺，在轉(zhuǎn)錄組與lncRNA測序、WGS和WES方面表現(xiàn)優(yōu)異，是否可以應(yīng)用到空間轉(zhuǎn)錄組呢？對此，研究使用3份卵巢癌樣本，分別在GenoLab M與NextSeq 2000上完成空間轉(zhuǎn)錄組測序，比較兩個平臺測序結(jié)果的一致性。
結(jié)果概要
01實驗設(shè)計與測序質(zhì)量
表1 三例卵巢癌樣本兩個測序平臺的測序質(zhì)量比較
本研究將3份卵巢癌的石蠟切片樣本，分別構(gòu)建10xGenomics Visium的測序文庫。隨后將3個文庫一分為二，分別使用GenoLab M與NextSeq 2000測序平臺進行測序。2個平臺同一個樣本測序數(shù)據(jù)總量接近，NextSeq 2000中有效barcode的百分比和有效UMI的百分比分別高出GenoLab M 0.74%和0.1%。而Q30堿基的百分比在barcode、探針和UMI對比中也比GenoLab M分別高出1.6%、2.2%和2.6%。以上的差異主要是GenoLab M測序數(shù)據(jù)深度與測序reads duplication相對較低。
* Barcode是含有空間位置標簽的一段核酸序列，區(qū)分不同的spots，每個spots包含數(shù)十個細胞用于定位；
* Probe探針是用于結(jié)合mRNA的的序列；
* UMI是區(qū)分不同mRNA，用于絕對定量的核酸序列；
02reads mapping與基因表達絕對定量
兩個平臺組織的spots下reads的比例基本一致，差異不顯著。每個spots和組織的平均reads數(shù)與測序深度也基本一致。除樣本B1-2外，GenoLab M平臺中每個spot的UMI計數(shù)和基因的中位數(shù)以及檢測到的基因數(shù)都比NextSeq 2000高。而NextSeq 2000在Reads Mapped Confidently to Probe Set 的表現(xiàn)中略高于GenoLab M。這與探針reads更高的測序質(zhì)量一致。盡管如此，在Reads Mapped Confidently to the Filtered Probe Set的對比中 GenoLab M仍然有比NextSeq 2000更好的表現(xiàn)。
表2 reads mapping和UMI計數(shù)的測序質(zhì)量矩陣比較
03基因、UMIs、reads在組織的spots上的檢測情況
兩個測序平臺組織的spots下總的UMI和基因數(shù)目具有很高的一致性（Figure 1A）。三個樣本的基因-UMI關(guān)系在兩個平臺的一致性也很高（Figure 1B）。此外，GC譜也高度一致（Figure 1C），說明兩個測序平臺都沒有明顯的測序偏向性。
接著研究者去除低表達基因和基因數(shù)目較少的spots后，比較兩個平臺的基因交并集情況。結(jié)果表明平臺特有基因相對于交集占比都比較小，其中GenoLab M的特有基因稍多（Figure 1D）。在兩個平臺上測序的spots基因交集之間存在很強的相關(guān)性。三個樣本A1-1、A1-2 和 B1-2 樣本的平均相關(guān)系數(shù)分別為 0.82、0.90 和 0.99（Figure 1E）。
圖1 兩個測序平臺檢測到的reads數(shù)目，UMI和基因的比較
A 組織spots上轉(zhuǎn)錄本（基于UMI計數(shù)）和基因數(shù)的一致性分析；
B 組織spots上基因的UMI分布；
C reads的GC含量譜；
D 平臺間共有和特有基因的維恩圖；
E SCT轉(zhuǎn)化基因交集的Pearson相關(guān)系數(shù)分布；
04降維、細胞亞群聚類和差異表達分析
三個樣本在兩個平臺的測序結(jié)果分析后得到的細胞亞群幾乎一致，都是16個亞群（Figure 2A），來自不同測序平臺分析的樣本的組織spots所在的位置也非常接近（Figure 2B）。A1-1含有7個亞群、A1-2有4個亞群、B1-2有5個亞群。差異表達基因（DEG）檢測方面，NextSeq 2000和GenoLab M分別檢測到的特有DEG約占所有檢測的DEG的16%；共有的占比更高為68%（Figure 2C-E）。
* DEG的篩選條件，F(xiàn)DR<0.01且log fc=''>0.25(差異倍數(shù)>1.19)；
* FDR False Discovery Rate錯誤發(fā)現(xiàn)率；
* LTF Log2(Fold Change) 差異倍數(shù)fold change的log2值；
圖2 非線性降維、聚類和差異表達分析
A 未做批次校正的兩個平臺的測序數(shù)據(jù)UMAP降維和聚類；
B 亞群的空間分布；
C A1-1樣本的平臺間共有與特有差異表達基因的維恩圖；
D A1-2樣本的平臺間共有與特有差異表達基因的維恩圖；
E B1-2樣本的平臺間共有與特有差異表達基因的維恩圖；
05差異表達基因的深入分析
研究對平臺共有與特有的DEG深入分析以評估特有DEG的來源。通過DEG的計數(shù)來可視化LFC和FDR的分布。圖3A展示了DEG-LFC在組織spots亞群聚類的分布，發(fā)現(xiàn)所有平臺特有的DEG的LFC均分布在所選閾值的邊緣。圖3B展示了DEG-FDR在組織spots亞群聚類的分布，平臺特有DEG的FDR值往往最大（代表顯著性值最低）。綜合來說，平臺特有DEG比較接近閾值，而共有的DEG則具有較小的FDR和較高的差異倍數(shù)。
圖3 亞群差異表達的差異倍數(shù)（A）與FDR（B）的分布情況
結(jié)論
研究首次比較了GenoLab M和NextSeq 2000在空間轉(zhuǎn)錄組測序的性能，兩個平臺均采用了可逆終止的邊合成邊測序的技術(shù)。三份Visium的測序文庫在兩個測序平臺上得到了一致的空間轉(zhuǎn)錄組分析數(shù)據(jù)。研究結(jié)果表明GenoLab M的測序性能與NextSeq 2000接近，適用于進行基于10?×?Genomics的空間轉(zhuǎn)錄組測序。