Name: Estrazione di set di dati di trascrittomica spaziale utilizzando DeepSpaceDB (Video) | JoVE Journal
Uploaded: 2025-09-05T14:20:00.000+00:00
Duration: 10 min 16 s
Description: Scopri come estrarre e analizzare dati di trascrittomica spaziale con DeepSpaceDB. Questo database interattivo facilita l'accesso ai dati di espressione genica nei tessuti, supportando la ricerca biologica.

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>Pacchetto R - versione 4.14.6</td><td></td></tr><tr><td>DeepSpaceDB</td><td></td><td>Versione > 1.0</td><td>Un link al database: www.deepspacedb.com</td></tr><tr><td>limma</td><td></td><td>Pacchetto R - versione 3.62.2</td><td></td></tr><tr><td>R</td><td></td><td>Versione 4.4.2</td><td></td></tr><tr><td>RStudio</td><td>Poni</td><td>Versione 2024.12</td><td></td></tr></tbody></table>

estrazione di set di dati di trascrittomica spaziale utilizzando deepspacedb

Mining Spatial Transcriptomics Datasets using DeepSpaceDB

L'esempio 1 ha dimostrato l'analisi di un campione di cervello di topo, convalidando parametri come il conteggio delle letture, i geni e i percorsi spazialmente variabili e le variazioni di espressione genica tra l'ippocampo e la corteccia. In primo luogo, la qualità del campione di cervello di topo DSID001557 è stata valutata rispetto a diverse misure di qualità: "Geni rilevati" (Figura 1A), "Conteggio delle letture" (Figura 1B) e "Mito" (la percentuale di letture mitocondriali; Figura 1C). Ciò ha evidenziato chiaramente una regione con qualità inferiore sul lato sinistro del campione cerebrale, in base al basso numero di geni rilevati e al basso numero di letture. Per comprendere la qualità relativa del campione rispetto a tutti gli altri campioni, è stato fatto clic sulla scheda Qualità relativa del campione nel database, che visualizzava un grafico del conteggio rispetto a No. di geni rilevati per punto (Media). Per il campione analizzato, sono stati rilevati tra i 3500 e i 4000 geni per punto (Figura 1D). Le caratteristiche anatomiche del campione sono state ulteriormente analizzate utilizzando la scheda Annotazione immagine . Come nota generale, queste annotazioni sono state generate tagliando le immagini dei tessuti in parti più piccole e chiedendo a un LLM di descrivere le caratteristiche osservabili8. Sono indicazioni approssimative per aiutare l'interpretazione del campione e devono essere interpretate con cura. Per un sottoinsieme di campioni (in particolare campioni di cancro al seno umano), sono disponibili anche annotazioni da parte di uno specialista umano. Tuttavia, considerando la qualità inferiore delle immagini Visium H&amp;E rispetto alle immagini utilizzate per la diagnosi di routine, le annotazioni fornite sono solo a scopo di ricerca. Per DSID001557 campione, spostare il cursore sulle annotazioni visualizzate della sezione delle diverse regioni del cervello del topo, come la regione ippocampale, gli strati corticali, gli strati cellulari densi con gliosi, ecc. Dalla comprensione delle caratteristiche anatomiche di base della fetta del campione, sono state ulteriormente esplorate caratteristiche dettagliate come i cluster di tipi cellulari e i geni e i percorsi spazialmente variabili. Il campione di cervello di topo aveva 15 cluster in totale, che sono stati rappresentati con una codifica a colori su tutta la fetta del campione (Figura 1E). Alcuni dei principali geni spazialmente variabili associati al campione sono Nrgn, Slc17a7, Ly6h e Ddn (Figura 2). Nrgn ha mostrato un'elevata espressione nella regione ippocampale, in accordo con l'evidenza letteraria che indica il ruolo della proteina codificata da Nrgn (neurogranina) nella mediazione della plasticità sinaptica e dell'apprendimento spaziale15. Slc17a7, un gene che codifica per un trasportatore vescicolare di glutammato cruciale per la neurotrasmissione nei neuroni glutaminergici16, e Ddn, un gene che codifica per una proteina che modula la struttura del citoscheletro post-sinaptico17, erano anche altamente espressi nella regione ippocampale. Al contrario, l'espressione del gene Ly6h è stata localizzata nella regione corticale, in accordo con la letteratura che indica il ruolo sinaptico restrittivo di Ly6h nelle membrane delle cellule corticali18. In modo simile, l'attività dei percorsi è stata visualizzata attraverso la fetta del campione (Figura 3). È stato osservato che le vie spazialmente variabili sono attivate in concordanza con i ruoli funzionali dei geni spazialmente variabili, con la regolazione della plasticità sinaptica e dell'attività dei neurotrasmettitori nella regione ippocampale e la segnalazione dei neuropeptidi nella regione corticale.
Infine, per identificare i geni espressi in modo differenziale tra la regione ippocampale e l'ipotalamo del campione di cervello di topo, è stata utilizzata la scheda Tissue Explorer . I punti associati alle regioni di interesse sono stati selezionati con la guida dell'annotazione dell'immagine (Figura 4A). Dal grafico a dispersione generato, alcuni dei geni differenzialmente espressi identificati erano tra i geni spazialmente variabili (Nrgn, Slc17a7, Ddn), oltre a pochi altri, come Pmch e Ttr. L'espressione di questi geni è stata visualizzata nella fetta del campione. La pmch era specificamente sovraespressa nella regione ipotalamica laterale (Figura 4B; confrontare con l'area selezionata in verde nella Figura 4A). Questo gene codifica per il precursore dell'ormone concentrante la melanina ed è coinvolto nel mantenimento dell'omeostasi energetica19. Al contrario, il gene Ttr era specificamente espresso nella regione ippocampale (Figura 4C; confrontare con l'area selezionata in rosso nella Figura 4A), in accordo con il suo ruolo funzionale nell'apprendimento e nella memoria spaziale20. Conducendo confronti intra-campione tra diverse regioni del cervello di topo utilizzando questo database, siamo stati in grado di evidenziare le caratteristiche funzionali specifiche della regione in base all'espressione genica spaziale e all'attività del percorso.
Nell'esempio 2, il database è stato utilizzato per l'identificazione delle firme immunitarie associate alle metastasi colorettali nel fegato. Il confronto intra-campione è stato condotto tra la regione tumorale con metastasi colorettali e il tessuto epatico sano distante, attraverso un'appropriata selezione dei punti per i due campioni: DSID001005 (Figura 5A-C) e DSID001007 (Figura 5D-F). I dati sono stati rianalizzati con due repliche per condizione utilizzando R. L'analisi dell'espressione differenziale condotta tra la regione tumorale con metastasi colorettali e il tessuto epatico sano ha rivelato la sottoregolazione di 138 geni e la sovraregolazione di 115 geni, in base ai parametri selezionati (Figura 6A, B). L'analisi della via KEGG ha dimostrato l'arricchimento delle vie dei geni sottoregolati, come il metabolismo dei farmaci e la carcinogenesi chimica (Figura 6C), mentre i geni sovraregolati mostravano firme corrispondenti, tra l'altro, alla migrazione transendoteliale dei leucociti, all'adesione focale e al ciclo cellulare (Figura 6D). Concentrandosi sulla rilevanza della migrazione trans-endoteliale dei leucociti per l'attività immunitaria, sono stati identificati i principali geni rilevati nella categoria e la loro espressione spaziale è stata osservata in DeepSpaceDB. È interessante notare che i geni Cldn7, Cldn4 e Actg1 rilevati nella categoria della migrazione trans-endoteliale dei leucociti, hanno mostrato una sovraregolazione nella regione tumorale (sito Epcam+) dei campioni e non nella regione distante con tessuto epatico sano (Figura 7). Ciò ha fornito informazioni sulla natura dell'attività immunitaria guidata nel sito tumorale del fegato, con il reclutamento attivo dei leucociti. In sintesi, l'analisi intra-campione con DeepSpaceDB consente l'estrazione di diverse intuizioni biologiche. Confrontando i dati trascrittomici spaziali attraverso strumenti interattivi e flussi di lavoro di rianalisi, i ricercatori possono generare e convalidare ipotesi riguardanti l'espressione genica tessuto-specifica e l'eterogeneità funzionale.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/68892/68892fig1.jpg"> 
Figura 1: Misure di qualità del campione. (A) Numero di geni rilevati, (B) conteggio delle letture e (C) percentuale di letture mitocondriali per punto. (D) Il numero medio di geni rilevati per punto in questo campione, rispetto alla distribuzione di tutti gli altri campioni nel database. (E) Individuare i grappoli sulla fetta di tessuto. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig1large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/68892/68892fig2.jpg"> 
Figura 2: Espressione dei geni più variabili nello spazio. (a) nrgn, (b) slc17a7, (c) ly6h e (d) ddn. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig2large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/68892/68892fig3.jpg"> 
Figura 3: Attività delle vie superiori spazialmente variabili. (A) Segnalazione dei neuropeptidi, (B) Regolazione della plasticità sinaptica, (C) Trasporto dei neurotrasmettitori. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig3large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/68892/68892fig4.jpg"> 
Figura 4: Confronto dei modelli di espressione genica tra due regioni selezionate del cervello del topo. (A) Selezione spot nelle regioni ipotalamiche e ippocampali per confronti intra-campione. La regione 1 selezionata viene visualizzata in rosso e la regione 2 in verde. Modelli di espressione spaziale di geni differenzialmente espressi (B) Pmch e (C) Ttr tra regioni ipotalamiche e ippocampali. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig4large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/68892/68892fig5.jpg"> 
Figura 5: Proprietà di due campioni metastatici di fegato di topo. Per DSID001005 campione: (A) espressione del marcatore Epcam , (B) cluster spot e (C) regioni selezionate in regioni cancerose e distanti per confronti intra-campione. Per DSID001007 campione: (D) espressione del marcatore Epcam , (E) cluster di punti e (F) regioni selezionate in regioni cancerose e distanti per confronti intra-campione. Per entrambi i campioni, le macchie tumorali si trovano nelle regioni mostrate in rosso e le macchie non tumorali si trovano nelle regioni mostrate in verde. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig5large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/68892/68892fig6.jpg"> 
Figura 6: Risultati della rianalisi. (A) Riepilogo schematico del flusso di lavoro utilizzato nella rianalisi. (B) Grafico del vulcano che rappresenta i geni differenzialmente espressi tra regioni cancerose e regioni distanti. Arricchimento della via KEGG di (C) geni sovraregolati e (D) geni sottoregolati. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig6large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/68892/68892fig7.jpg"> 
Figura 7: Espressione spaziale dei geni. (A) Cldn7, (B) Cldn4 e (C) Actg1 in DSID001005 di fetta di tessuto. Espressione spaziale dei geni. (D) Cldn7, (E) Cldn4 e (F) Actg1 in fetta di tessuto DSID001007. <a href="https://www.jove.com/files/ftp_upload/68892/68892fig7large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
File supplementari 1-4: file di dati e script R per esempio di metastasi epatiche. <a href="https://www.jove.com/files/ftp_upload/68892/Supplementary.zip" target="_blank">Clicca qui per scaricare questo file.</a>

Estrazione di set di dati di trascrittomica spaziale utilizzando 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

Ricerca

JoVE Journal

Biology

Biologia

Questo protocollo delinea un flusso di lavoro comparativo de novo per l'assemblaggio e l'annotazione del trascrittoma per i bioinformatici alle prime armi. Il flusso di lavoro è disponibile gratuitamente tramite CyVerse e collegato dal Data Store. Vengono utilizzate la riga di comando e le interfacce utente grafiche, ma tutto il codice necessario è disponibile per il copia e incolla.

Utilizzare risorse CyVerse per<em&gt; De Novo</em&gt; Transcriptomics comparativi degli organismi non sottoposti a modellazione (non modello)

Sequenziamento profondo delle popolazioni di lieviti selezionati per le interazioni di lievito positivo 2-ibrido potenzialmente produce una ricchezza di informazioni su proteine partner interagenti. Qui, descriviamo il funzionamento di strumenti bioinformatici specifico e personalizzato aggiornato il software per analizzare i dati di sequenza da questi schermi.

Informatica analisi dei dati di sequenza da Batch lievito ibrido 2 schermi

Questo protocollo descrive le procedure generali e controlli di qualità necessari per la preparazione di cellule singole mammifera adulte sane per le preparazioni di RNA-Seq unicellulare gocciolina-based, alta velocità di trasmissione. Parametri di sequenziazione, leggi l'allineamento e l'analisi bioinformatica di cella singola a valle sono inoltre forniti.

Gocciolina basati su codici a barre singola cella trascrittomica dei tessuti dei mammiferi adulti

Qui, descriviamo un protocollo per la messa a punto delle regioni di interesse (ROI) per le tecnologie di omiche spaziali per caratterizzare meglio il microambiente tumorale e identificare specifiche popolazioni cellulari. Per i saggi di proteomica, i protocolli personalizzati automatizzati possono guidare la selezione del ROI, mentre i saggi di trascrittomica possono essere ottimizzati utilizzando ROI di soli 50 μm.

Profilazione spaziale dell'espressione di proteine e RNA nei tessuti: un approccio alla messa a punto della microdissezione virtuale

Questa piattaforma computazionale analitica fornisce una guida pratica per microbiologi, ecologi ed epidemiologi interessati alla genomica delle popolazioni batteriche. Nello specifico, il lavoro qui presentato ha dimostrato come eseguire: i) mappatura filogenetica di genotipi gerarchici; ii) analisi dei genotipi basata sulla frequenza; iii) analisi di parentela e clonalità; iv) identificazione del lignaggio differenziando i loci accessori.

Estrazione euristica di genotipi gerarchici e loci genomici accessori in popolazioni batteriche

Qui descriviamo un metodo che consente la decalcificazione dei tessuti ossei appena ottenuti e la conservazione di RNA di alta qualità. Viene inoltre illustrato un metodo per il sezionamento di campioni FFPE (Formalin Fixed Paraffin Embedded) di ossa non demineralizzate per ottenere risultati di buona qualità se i tessuti freschi non sono disponibili o non possono essere raccolti.

Metodi per abilitare la trascrittomica spaziale dei tessuti ossei

Questo articolo presenta un protocollo per eseguire una profilazione trascrittomica spaziale completa dell'RNA dell'ospite, virale, fungino e del microbioma da sezioni di tessuto incluse in paraffina fissate in formalina utilizzando Stereo-seq, che consente la mappatura ad alta risoluzione di diversi trascrittomi preservando l'architettura dei tessuti.

Profilazione spaziale completa di trascrittomi indipendenti dalla specie tramite Stereo-seq

Questo protocollo include un flusso di lavoro passo dopo passo per campioni vascolari calcificati: gestione dei tessuti, decalcificazione, validazione dell'RNA, rilevamento dei livelli di calcificazione e strategie di selezione della regione di interesse sul Nanostring GeoMx Digital Spatial Profiler (DSP). L'obiettivo è presentare un metodo completo per preservare la morfologia del tessuto vascolare e l'RNA per un'analisi trascriromica spaziale affidabile.

Preparazione e elaborazione delle arterie calcificate con morfologia e RNA preservati per la profilazione spaziale digitale

Questo studio presenta un protocollo multioma spaziale Trekker–CUT&amp;Tag che combina il codice a barre spaziale diretto di una sezione tissutale con l'analisi multioma a singola cellula. Questo approccio consente contemporaneamente la profilazione spaziale dell'espressione genica a singola cellula e la modifica dell'istone H3K27ac, offrendo intuizioni meccanicistiche sulla regolazione genica nel contesto della microanatomia tissutale.

Profilazione multiomica integrata a singola singola e risolta spazialmente del trascricroma e dei bersagli epigenomici nelle sezioni di tessuto congelato

Vi presentiamo un metodo per la generazione di cDNA da mRNA ambientale. In generale, l'RNA totale viene prima raccolto dall'ambiente, è selettivamente rimosso rRNA, mRNA è selettivamente amplificato, e cDNA sintetizzato dalla piscina mRNA arricchito è sequenziato. Sequenze recuperato può essere annotati utilizzando le normali tecniche di bioinformatica per identificare i geni espressi.

Analisi di espressione genica da comunità microbiche marine utilizzando Trascrittomica Ambientale

Scopri come estrarre e analizzare dati di trascrittomica spaziale con DeepSpaceDB. Questo database interattivo facilita l'accesso ai dati di espressione genica nei tessuti, supportando la ricerca biologica.

Estrazione di set di dati di trascrittomica spaziale utilizzando DeepSpaceDB

Esplora altri video