Name: Minería de conjuntos de datos de transcriptómica espacial mediante DeepSpaceDB (Video) | JoVE Journal
Uploaded: 2025-09-05T14:20:00.000+00:00
Duration: 10 min 16 s
Description: Aprende a utilizar DeepSpaceDB para analizar transcriptómica espacial en tejidos de ratón. Esta base de datos interactiva permite identificar patrones de expresión génica diferencial entre regiones tumorales y sanas sin necesidad de programación.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Tian, L., Chen, F., Macosko, E. Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+expanding+vistas+of+spatial+transcriptomics%5BTitle%5D)+AND+%22Nat+Biotechnol%22%5BJournal%5D)">The expanding vistas of spatial transcriptomics.</a> Nat Biotechnol. 41 (6), 773-782 (2023).</li>
<li>Moses, L., Pachter, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Museum+of+spatial+transcriptomics%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Museum of spatial transcriptomics.</a> Nat Methods. 19 (5), 534-546 (2022).</li>
<li>Fan, Z., Chen, R., Chen, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SpatialDB%3A+A+database+for+spatially+resolved+transcriptomes%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">SpatialDB: A database for spatially resolved transcriptomes.</a> Nucleic Acids Res. 48 (D1), D233-D237 (2020).</li>
<li>Yuan, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SODB+facilitates+comprehensive+exploration+of+spatial+omics+data%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">SODB facilitates comprehensive exploration of spatial omics data.</a> Nat Methods. 20 (3), 387-399 (2023).</li>
<li>Xu, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((STOmicsDB%3A+A+comprehensive+database+for+spatial+transcriptomics+data+sharing%2C+analysis+and+visualization%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">STOmicsDB: A comprehensive database for spatial transcriptomics data sharing, analysis and visualization.</a> Nucleic Acids Res. 52 (D1), 1053-1061 (2024).</li>
<li>Li, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SOAR+elucidates+biological+insights+and+empowers+drug+discovery+through+spatial+transcriptomics%5BTitle%5D)+AND+%22Sci+Adv%22%5BJournal%5D)">SOAR elucidates biological insights and empowers drug discovery through spatial transcriptomics.</a> Sci Adv. 11 (24), 7450(2025).</li>
<li>Honcharuk, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((DeepSpaceDB%3A+A+spatial+transcriptomics+atlas+for+interactive+in-depth+analysis+of+tissues+and+tissue+microenvironments%5BTitle%5D)+AND+%22bioRxiv%22%5BJournal%5D)">DeepSpaceDB: A spatial transcriptomics atlas for interactive in-depth analysis of tissues and tissue microenvironments.</a> bioRxiv. , (2025).</li>
<li>GPT-4 technical report. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22arXiv%22">arXiv</a>. , OpenAI. http://arxiv.org/abs/2303.08774 (2023).</li>
<li>Vandenbon, A., Diez, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+clustering-independent+method+for+finding+differentially+expressed+genes+in+single-cell+transcriptome+data%5BTitle%5D)+AND+%22Nat+Commun%22%5BJournal%5D)">A clustering-independent method for finding differentially expressed genes in single-cell transcriptome data.</a> Nat Commun. 11 (1), 1-10 (2020).</li>
<li>Vandenbon, A., Diez, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+universal+tool+for+predicting+differentially+active+features+in+single-cell+and+spatial+genomics+data%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">A universal tool for predicting differentially active features in single-cell and spatial genomics data.</a> Sci Rep. 13 (1), 1-14 (2023).</li>
<li>Hao, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dictionary+learning+for+integrative%2C+multimodal%2C+and+scalable+single-cell+analysis%5BTitle%5D)+AND+%22Nat+Biotechnol%22%5BJournal%5D)">Dictionary learning for integrative, multimodal, and scalable single-cell analysis.</a> Nat Biotechnol. 42 (2), 293-304 (2024).</li>
<li>Ritchie, M. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Limma+powers+differential+expression+analyses+for+RNA-sequencing+and+microarray+studies%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">Limma powers differential expression analyses for RNA-sequencing and microarray studies.</a> Nucleic Acids Res. 43 (7), e47(2015).</li>
<li>Yu, G., Wang, L. G., Han, Y., He, Q. Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ClusterProfiler%3A+An+R+package+for+comparing+biological+themes+among+gene+clusters%5BTitle%5D)+AND+%22OMICS%22%5BJournal%5D)">ClusterProfiler: An R package for comparing biological themes among gene clusters.</a> OMICS. 16 (5), 284-287 (2012).</li>
<li>Kanehisa, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((KEGG+for+taxonomy-based+analysis+of+pathways+and+genomes%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">KEGG for taxonomy-based analysis of pathways and genomes.</a> Nucleic Acids Res. 51 (D1), D587-D592 (2023).</li>
<li>Zhang, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Association+between+NRGN+gene+polymorphism+and+resting-state+hippocampal+functional+connectivity+in+schizophrenia%5BTitle%5D)+AND+%22BMC+Psychiatry%22%5BJournal%5D)">Association between NRGN gene polymorphism and resting-state hippocampal functional connectivity in schizophrenia.</a> BMC Psychiatry. 19 (1), 108(2019).</li>
<li>Sreedharan, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Glutamate%2C+aspartate+and+nucleotide+transporters+in+the+SLC17+family+form+four+main+phylogenetic+clusters%3A+evolution+and+tissue+expression%5BTitle%5D)+AND+%22BMC+Genomics%22%5BJournal%5D)">Glutamate, aspartate and nucleotide transporters in the SLC17 family form four main phylogenetic clusters: evolution and tissue expression.</a> BMC Genomics. 11, 17(2010).</li>
<li>Twine, N. A., Janitz, C., Wilkins, M. R., Janitz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sequencing+of+hippocampal+and+cerebellar+transcriptomes+provides+new+insights+into+the+complexity+of+gene+regulation+in+the+human+brain%5BTitle%5D)+AND+%22Neurosci+Lett%22%5BJournal%5D)">Sequencing of hippocampal and cerebellar transcriptomes provides new insights into the complexity of gene regulation in the human brain.</a> Neurosci Lett. 541, 263-268 (2013).</li>
<li>Thomsen, M. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Expression+of+the+Ly-6+family+proteins+Lynx1+and+Ly6H+in+the+rat+brain+is+compartmentalized%2C+cell-type+specific%2C+and+developmentally+regulated%5BTitle%5D)+AND+%22Brain+Struct+Funct%22%5BJournal%5D)">Expression of the Ly-6 family proteins Lynx1 and Ly6H in the rat brain is compartmentalized, cell-type specific, and developmentally regulated.</a> Brain Struct Funct. 219 (6), 1923-1934 (2014).</li>
<li>Li, N., Nattie, E., Li, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+role+of+melanin+concentrating+hormone+%28MCH%29+in+the+central+chemoreflex%3A+A+knockdown+study+by+siRNA+in+the+lateral+hypothalamus+in+rats%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">The role of melanin concentrating hormone (MCH) in the central chemoreflex: A knockdown study by siRNA in the lateral hypothalamus in rats.</a> PLoS ONE. 9 (8), e103585(2014).</li>
<li>Iqbal, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Transthyretin-a+key+gene+involved+in+regulating+learning+and+memory+in+brain%2C+and+providing+neuroprotection+in+Alzheimer+disease+via+neuronal+synthesis+of+transthyretin+protein%5BTitle%5D)+AND+%22J.+Behav.+Brain+Sci%22%5BJournal%5D)">Transthyretin-a key gene involved in regulating learning and memory in brain, and providing neuroprotection in Alzheimer disease via neuronal synthesis of transthyretin protein.</a> J. Behav. Brain Sci. 8 (2), 77-92 (2018).</li>
<li>Cable, D. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Robust+decomposition+of+cell+type+mixtures+in+spatial+transcriptomics%5BTitle%5D)+AND+%22Nat+Biotechnol%22%5BJournal%5D)">Robust decomposition of cell type mixtures in spatial transcriptomics.</a> Nat Biotechnol. 40 (4), 517-526 (2021).</li>
<li>Li, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Benchmarking+spatial+and+single-cell+transcriptomics+integration+methods+for+transcript+distribution+prediction+and+cell+type+deconvolution%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Benchmarking spatial and single-cell transcriptomics integration methods for transcript distribution prediction and cell type deconvolution.</a> Nat Methods. 19 (6), 662-670 (2022).</li>
<li>Vandenbon, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Murine+breast+cancers+disorganize+the+liver+transcriptome+in+a+zonated+manner%5BTitle%5D)+AND+%22Commun+Biol%22%5BJournal%5D)">Murine breast cancers disorganize the liver transcriptome in a zonated manner.</a> Commun Biol. 6 (1), 1-12 (2023).</li>
<li>Ivich, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Missing+cell+types+in+single-cell+references+impact+deconvolution+of+bulk+data+but+are+detectable%5BTitle%5D)+AND+%22Genome+Biol%22%5BJournal%5D)">Missing cell types in single-cell references impact deconvolution of bulk data but are detectable.</a> Genome Biol. 26 (1), 86(2025).</li>
<li>Xia, B., Yanai, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+periodic+table+of+cell+types%5BTitle%5D)+AND+%22Development%22%5BJournal%5D)">A periodic table of cell types.</a> Development. 146 (12), dev169854(2019).</li>
<li>Dong, K., Zhang, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Deciphering+spatial+domains+from+spatially+resolved+transcriptomics+with+an+adaptive+graph+attention+auto-encoder%5BTitle%5D)+AND+%22Nat+Commun%22%5BJournal%5D)">Deciphering spatial domains from spatially resolved transcriptomics with an adaptive graph attention auto-encoder.</a> Nat Commun. 13 (1), 1739(2022).</li>
<li>Zhu, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mapping+cellular+interactions+from+spatially+resolved+transcriptomics+data%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Mapping cellular interactions from spatially resolved transcriptomics data.</a> Nat Methods. 21, 1830-1842 (2024).</li>
<li>Dries, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Giotto%3A+A+toolbox+for+integrative+analysis+and+visualization+of+spatial+expression+data%5BTitle%5D)+AND+%22Genome+Biol%22%5BJournal%5D)">Giotto: A toolbox for integrative analysis and visualization of spatial expression data.</a> Genome Biol. 22 (1), 1-31 (2021).</li>
<li>Yuan, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Benchmarking+spatial+clustering+methods+with+spatially+resolved+transcriptomics+data%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Benchmarking spatial clustering methods with spatially resolved transcriptomics data.</a> Nat Methods. 21 (4), 712-722 (2024).</li>
<li>Chen, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Benchmarking+algorithms+for+spatially+variable+gene+identification+in+spatial+transcriptomics%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">Benchmarking algorithms for spatially variable gene identification in spatial transcriptomics.</a> Bioinformatics. 41 (4), btaf131(2025).</li>
</ol>

<table><tbody><tr><td>clusterProfiler</td><td></td><td>Paquete R: versión 4.14.6</td><td></td></tr><tr><td>DeepSpaceDB</td><td></td><td>Versión > 1.0</td><td>Un enlace a la base de datos: www.deepspacedb.com</td></tr><tr><td>Lima</td><td></td><td>Paquete R: versión 3.62.2</td><td></td></tr><tr><td>R</td><td></td><td>Versión 4.4.2</td><td></td></tr><tr><td>RStudio</td><td>Postular</td><td>Versión 2024.12</td><td></td></tr></tbody></table>

minería de conjuntos de datos de transcriptómica espacial mediante deepspacedb

Mining Spatial Transcriptomics Datasets using DeepSpaceDB

El ejemplo 1 demostró el análisis de una muestra de cerebro de ratón, validando parámetros como el recuento de lecturas, genes y vías espacialmente variables y variaciones de expresión génica entre el hipocampo y la corteza. Primero, la calidad de la muestra de cerebro de ratón DSID001557 se evaluó en función de varias medidas de calidad: "Genes detectados" (Figura 1A), "Recuento de lecturas" (Figura 1B) y "Mito" (el porcentaje de lecturas mitocondriales; Figura 1C). Esto destacó claramente una región con menor calidad en el lado izquierdo de la muestra cerebral, según el bajo número de genes detectados y el bajo recuento de lecturas. Para comprender la calidad relativa de la muestra en comparación con todas las demás muestras, se hizo clic en la pestaña Calidad relativa de la muestra en la base de datos, que mostraba un gráfico de Recuento frente a No. de genes detectados por mancha (Media). Para la muestra analizada, se detectaron entre 3500 y 4000 genes por punto (Figura 1D). Las características anatómicas de la muestra se analizaron más a fondo utilizando la pestaña Anotación de imagen . Como nota general, estas anotaciones se han generado cortando imágenes de tejido en partes más pequeñas y pidiendo a un LLM que describa las características observables8. Son indicaciones aproximadas para ayudar a la interpretación de la muestra y deben interpretarse con cuidado. Para un subconjunto de muestras (especialmente muestras de cáncer de mama humano), también están disponibles las anotaciones de un especialista humano. Sin embargo, teniendo en cuenta la menor calidad de las imágenes de Visium H&amp;E en comparación con las imágenes utilizadas para el diagnóstico de rutina, las anotaciones proporcionadas son solo para fines de investigación. Para DSID001557 de muestra, mueva el cursor sobre las anotaciones mostradas en el segmento de las diferentes regiones del cerebro del ratón, como la región del hipocampo, las capas corticales, las capas celulares densas con gliosis, etc. A partir de la comprensión de las características anatómicas básicas del corte de muestra, se exploraron más a fondo características detalladas como grupos de tipos de células y genes y vías espacialmente variables. La muestra de cerebro de ratón tenía 15 grupos en total, que se representaron con códigos de colores en el segmento de muestra (Figura 1E). Algunos de los principales genes espacialmente variables asociados con la muestra son Nrgn, Slc17a7, Ly6h y Ddn (Figura 2). Nrgn exhibió alta expresión en la región del hipocampo, de acuerdo con la evidencia literaria que indica el papel de la proteína codificada por Nrgn (neurogranina) en la mediación de la plasticidad sináptica y el aprendizaje espacial15. Slc17a7, un gen que codifica para un transportador vesicular de glutamato crucial para la neurotransmisión en las neuronas glutaminérgicas16, y Ddn, un gen que codifica para una proteína que modula la estructura del citoesqueleto postsináptico17, también se expresaron en gran medida en la región del hipocampo. En contraste, la expresión del gen Ly6h se localizó en la región cortical, de acuerdo con la literatura que indica el papel sináptico restrictivo de Ly6h en las membranas de las células corticales18. De manera similar, se visualizó la actividad de las vías a través del segmento de muestra (Figura 3). Se observó que las vías espacialmente variables se activaban en concordancia con los roles funcionales de los genes espacialmente variables, con la regulación de la plasticidad sináptica y la actividad de los neurotransmisores en la región del hipocampo, y la señalización de neuropéptidos en la región cortical.
Finalmente, para identificar genes expresados diferencialmente entre la región del hipocampo y el hipotálamo de la muestra de cerebro de ratón, se utilizó la pestaña Tissue Explorer . Los puntos asociados con las regiones de interés se seleccionaron con la guía de la anotación de la imagen (Figura 4A). A partir del diagrama de dispersión generado, algunos de los genes expresados diferencialmente identificados se encontraban entre los principales genes espacialmente variables (Nrgn, Slc17a7, Ddn), además de algunos otros, como Pmch y Ttr. La expresión de estos genes se visualizó en el corte de la muestra. Pmch se sobreexpresó específicamente en la región hipotalámica lateral (Figura 4B; compare con el área verde seleccionada en la Figura 4A). Este gen codifica el precursor de la hormona concentradora de melanina, y está involucrado en el mantenimiento de la homeostasis energética19. Por el contrario, el gen Ttr se expresó específicamente en la región del hipocampo (Figura 4C; comparar con el área roja seleccionada en la Figura 4A), de acuerdo con su papel funcional en el aprendizaje y la memoria espacial20. Al realizar comparaciones dentro de la muestra entre diferentes regiones del cerebro del ratón utilizando esta base de datos, pudimos resaltar las características funcionales específicas de la región basadas en la expresión génica espacial y la actividad de la vía.
En el ejemplo 2, la base de datos se utilizó para la identificación de firmas inmunes asociadas con metástasis colorrectales en el hígado. Se realizó una comparación intramuestra entre la región tumoral con metástasis colorrectales y el tejido hepático sano distante, mediante la selección de puntos apropiados para las dos muestras: DSID001005 (Figura 5A-C) y DSID001007 (Figura 5D-F). Los datos se volvieron a analizar con dos réplicas por afección utilizando R. El análisis de expresión diferencial realizado entre la región tumoral con metástasis colorrectal y el tejido hepático sano reveló la regulación a la baja de 138 genes y la regulación al alza de 115 genes, según los parámetros seleccionados (Figura 6A, B). El análisis de la vía KEGG demostró el enriquecimiento de las vías de los genes regulados a la baja, como el metabolismo de los fármacos y la carcinogénesis química (Figura 6C), mientras que los genes regulados al alza exhibieron firmas correspondientes a la migración transendotelial de leucocitos, la adhesión focal y el ciclo celular, entre otros (Figura 6D). Centrándonos en la relevancia de la migración transendotelial de leucocitos para la actividad inmune, se identificaron los principales genes detectados en la categoría y se observó su expresión espacial en DeepSpaceDB. Curiosamente, los genes Cldn7, Cldn4 y Actg1 detectados en la categoría de migración transendotelial de leucocitos, exhibieron una regulación positiva en la región tumoral (sitio Epcam+) de las muestras, y no en la región distante con tejido hepático sano (Figura 7). Esto proporcionó información sobre la naturaleza de la actividad inmune impulsada en el sitio del tumor del hígado, con el reclutamiento activo de leucocitos. En resumen, el análisis intramuestra utilizando DeepSpaceDB permite la extracción de diversos conocimientos biológicos. Al comparar los datos transcriptómicos espaciales a través de herramientas interactivas y flujos de trabajo de reanálisis, los investigadores pueden generar y validar hipótesis sobre la expresión génica específica del tejido y la heterogeneidad funcional.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/68892/68892fig1.jpg"> 
Figura 1: Medidas de calidad de la muestra. (A) Número de genes detectados, (B) recuento de lecturas y (C) porcentaje de lecturas mitocondriales por mancha. (D) El número promedio de genes detectados por punto en esta muestra, en comparación con la distribución de todas las demás muestras en la base de datos. (E) Detecte grupos a través del corte de tejido. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig1large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/68892/68892fig2.jpg"> 
Figura 2: Expresión de genes espacialmente variables superiores. (a) nrgn, (b) slc17a7, (c) ly6h y (d) ddn. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig2large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/68892/68892fig3.jpg"> 
Figura 3: Actividad de las vías espacialmente variables superiores. (A) Señalización de neuropéptidos, (B) Regulación de la plasticidad sináptica, (C) Transporte de neurotransmisores. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig3large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/68892/68892fig4.jpg"> 
Figura 4: Comparación de patrones de expresión génica entre dos regiones seleccionadas del cerebro del ratón. (A) Selección de puntos en regiones hipotalámicas e hipocampales para comparaciones dentro de la muestra. La región seleccionada 1 se muestra en rojo y la región 2 en verde. Patrones de expresión espacial de genes expresados diferencialmente (B) Pmch y (C) Ttr entre regiones hipotalámicas e hipocampales. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig4large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/68892/68892fig5.jpg"> 
Figura 5: Propiedades de dos muestras de hígado de ratón metastásico. Para DSID001005 muestras: (A) expresión del marcador Epcam , (B) grupos puntuales y (C) regiones seleccionadas en regiones cancerosas y distantes para comparaciones dentro de la muestra. Para DSID001007 muestras: (D) expresión del marcador Epcam , (E) grupos puntuales y (F) regiones seleccionadas en regiones cancerosas y distantes para comparaciones dentro de la muestra. Para ambas muestras, las manchas tumorales están en las regiones que se muestran en rojo y las manchas no tumorales están en las regiones que se muestran en verde. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig5large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/68892/68892fig6.jpg"> 
Figura 6: Resultados del reanálisis. (A) Resumen esquemático del flujo de trabajo utilizado en el reanálisis. (B) Gráfico de volcán que representa los genes expresados diferencialmente entre regiones cancerosas y distantes. Enriquecimiento de la vía KEGG de (C) genes regulados al alza y (D) genes regulados a la baja. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig6large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/68892/68892fig7.jpg"> 
Figura 7: Expresión espacial de genes. (A) Cldn7, (B) Cldn4 y (C) Actg1 en DSID001005 de corte de tejido. Expresión espacial de genes. (D) Cldn7, (E) Cldn4 y (F) Actg1 en el corte de tejido DSID001007. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig7large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
Archivos complementarios 1-4: Archivos de datos y script R para ejemplo de metástasis hepática. <a href="https://www.jove.com/files/ftp_upload/68892/Supplementary.zip" target="_blank">Haga clic aquí para descargar este archivo.</a>

Minería de conjuntos de datos de transcriptómica espacial mediante DeepSpaceDB

Spatial transcriptomics is a rapidly evolving technology that enables the capture of gene expression patterns in tissue samples while preserving ...

mining-spatial-transcriptomics-datasets-using-deepspacedb

Research

Investigación

JoVE Journal

Biology

Biología

Este protocolo describe un flujo de trabajo comparativo de anotación y ensamblaje de transcriptomas de novo para bioinformáticos novatos. El flujo de trabajo está disponible de forma gratuita en su totalidad a través de CyVerse y conectado por el almacén de datos. Se utilizan interfaces gráficas de usuario y de línea de comandos, pero todo el código necesario está disponible para copiar y pegar.

Aprovechando los recursos de CyVerse para<em&gt; De Novo</em&gt; Transcriptómica Comparativa de los Organismos de Discapacidad (no Modelos)

Secuenciación profunda de las poblaciones de levaduras seleccionadas para las interacciones 2-híbrido de levadura positivos potencialmente produce una gran cantidad de información sobre la interacción de las proteínas de socio. Aquí, describimos el funcionamiento de herramientas bioinformáticas específico y personalizado software actualizado para analizar los datos de la secuencia de estas pantallas.

Análisis informático de datos de la secuencia de lote levadura híbrida 2 pantallas

Este protocolo describe el proceso general y control de calidad controles necesarios para la preparación de células sanas de mamíferas adultos solo para preparaciones de RNA-Seq de celulares solo basada en gota, alto rendimiento. Secuenciación parámetros, lea alineación y análisis Bioinformático unicelular aguas abajo también se proporcionan.

Transcriptómica de célula basada en código de barras gotita de tejidos mamíferos adultos

Aquí, describimos un protocolo para ajustar las regiones de interés (ROI) para las tecnologías de Spatial Omics para caracterizar mejor el microambiente tumoral e identificar poblaciones celulares específicas. Para los ensayos proteómicos, los protocolos personalizados automatizados pueden guiar la selección del ROI, mientras que los ensayos transcriptómicos se pueden ajustar utilizando ROI tan pequeños como 50 μm.

Perfil espacial de la expresión de proteínas y ARN en tejidos: un enfoque para ajustar la microdisección virtual

Esta plataforma computacional analítica proporciona orientación práctica para microbiólogos, ecólogos y epidemiólogos interesados en la genómica de poblaciones bacterianas. Específicamente, el trabajo presentado aquí demostró cómo realizar: i) mapeo guiado por filogenia de genotipos jerárquicos; ii) análisis de genotipos basado en la frecuencia; iii) análisis de parentesco y clonalidad; iv) identificación del linaje diferenciador de loci accesorios.

Minería heurística de genotipos jerárquicos y loci del genoma accesorio en poblaciones bacterianas

En este trabajo describimos un método que permite la descalcificación de los tejidos óseos recién obtenidos y la conservación de ARN de alta calidad. También se ilustra un método para seccionar muestras de huesos no desmineralizados con formalina fija (FFPE) para obtener resultados de buena calidad si no se dispone de tejidos frescos o no se pueden recolectar.

Métodos para permitir la transcriptómica espacial de los tejidos óseos

Este artículo presenta un protocolo para realizar perfiles transcriptómicos espaciales completos del ARN del huésped, viral, fúngico y del microbioma a partir de secciones de tejido fijadas en formol e incluidas en parafina utilizando Stereo-seq, que permite el mapeo de alta resolución de diversos transcriptomas mientras preserva la arquitectura del tejido.

Perfil espacial completo de transcriptomas independientes de la especie a través de Stereo-seq

Este protocolo incluye un flujo de trabajo paso a paso para muestras vasculares calcificadas: manipulación de tejidos, descalcificación, validación de ARN, detección de niveles de calcificación y estrategias de selección de regiones de interés en el Nanostring GeoMx Digital Spatial Profiler (DSP). El objetivo es presentar un método integral para preservar la morfología del tejido vascular y el ARN para un análisis transcriptómico espacial fiable.

Preparación y procesamiento de arterias calcificadas con morfología y ARN preservados para perfilado espacial digital

Este estudio presenta un protocolo multioma espacial Trekker–CUT&amp;Tag que combina codificación de barras espacial directa de una sección tisular con análisis multioma de célula única. Este enfoque permite simultáneamente un perfilado espacial de expresión génica en células individuales y la modificación de la histona H3K27ac, ofreciendo conocimientos mecanicistas sobre la regulación génica en el contexto de la microanatomía tisular.

Perfilado multiómico integrado de célula única y resuelto espacialmente del transcriptoma y objetivos epigenómicos en secciones de tejido congelado

Se presenta un método para la generación de cDNA a partir del ARNm del medio ambiente. En general, el ARN total se recogen la primera del medio ambiente, se elimina selectivamente rRNA, mRNA se amplifica de forma selectiva, y cDNA sintetizado a partir de la piscina es la secuencia de ARNm enriquecido. Secuencias recuperadas se pueden anotar utilizando las técnicas de bioinformática para identificar los genes que se expresan.

El análisis de la expresión génica de las comunidades microbianas marinas con Transcriptómica Ambiental

Aprende a utilizar DeepSpaceDB para analizar transcriptómica espacial en tejidos de ratón. Esta base de datos interactiva permite identificar patrones de expresión génica diferencial entre regiones tumorales y sanas sin necesidad de programación.

Minería de conjuntos de datos de transcriptómica espacial mediante DeepSpaceDB

Explorar más videos