DeepSpaceDBを使用した空間トランスクリプトミクスデータセットのマイニング
2025年9月5日
本稿では、空間トランスクリプトミクスのための動的でインタラクティブなデータベースであるDeepSpaceDBを使用するためのプロトコルを紹介し、組織組織化と疾患関連遺伝子発現を探るための解析ワークフローと例を提供します。
DeepSpaceDBという空間トランスクリプトミクスデータベースを作っています。その呼びかけは、生物学者やバイオインフォマティクスが空間トランスクリプトミクスデータにもっと簡単にアクセスできるようにすることです。いくつかの空間トランスクリプトミクスプラットフォームが開発されています。
これらにより、研究者は組織スライス内の遺伝子発現パターンを研究できます。しかし、この技術は高価であり、データ分析には高度なバイオインフォマティクスのスキルが必要です。私たちはリズムとXeniumの空間プラットフォームであるOur Cancer CEX Researchを使用しています。
このプラットフォームにより、同じ臓器のコンテキスト内で腫瘍、腫れ、さらには遠くの宿主組織を決定することができます。これは、各コンパートメントの発現と細胞計算の変化を個別に解決するのに役立ちます。生物学者にとっての大きな課題の 1 つは、実際にデータ分析を行うことです。
そのため、現在利用可能になりつつあるますます多くの空間トランスクリプトミクスデータセットを完全に解釈できるようにするために必要なプログラミングと計算スキルを欠いている研究者が数多くいます。このデータベースにより、空間トランスクリプトミクス データセットにさらに簡単にアクセスできるようにすることで、ユーザーは新しい仮説を生成し、さまざまな病気の背後にある根本的なメカニズムを調査できるようになります。したがって、たとえば、腫瘍微小環境に関連する空間的遺伝子発現パターンを評価できます。
まず、データベースタブをクリックし、生物をマウス、臓器を脳、ソースをゼノドとして選択します。結果のサンプルをスクロールし、DSID001557というラベルの付いたサンプルを選択します。次に、選択したサンプルをクリックして、説明が100マイクロリットルの生理食塩水NK細胞に200万個の細胞と表示されていることを確認します。
品質タブをクリックして、サンプルの品質を評価します。品質測定ドロップダウンメニューから、検出された遺伝子、リードカウント、mitoなどのオプションを選択して、サンプルスライス全体のそれぞれのパラメーター分布を表示します。次に、画像注釈タブに移動して、サンプルスライス内のさまざまな領域を識別します。
サンプル スライスの上にマウス カーソルを移動すると、注釈が表示されます。大規模な言語モデルによって生成された、解剖学的特徴と関連する条件を示すグリッドベースの注釈を表示します。次に、[クラスター] タブに移動して、サンプル スライス内のセル タイプ クラスターを調べます。
クラスターの 2 次元埋め込みと、サンプル スライス上のスポット間で対応する色分けされた表現を表示します。次に、遺伝子タブに移動して、サンプル内の空間的に変動する遺伝子を調べます。リスト内の上位の遺伝子のいくつかをクリックして、組織スライス全体にわたるそれらの発現の空間プロットを生成します。
色分けされた発現パターンを観察すると、スコアが最も高い遺伝子の明確な空間分布が明確に示されます。次に、経路タブに移動して、一般的な生物学的経路に関連する遺伝子セットの活性を調べます。関連遺伝子の発現レベルに基づいて推定された経路活性を持つ空間的に変動する経路のリストを表示します。
リスト内の上位の経路のいくつかをクリックして、組織スライス全体の活動の空間プロットを生成します。さまざまな組織領域にわたる経路活動の色分けされたパターンを観察します。次に、組織エクスプローラータブに移動すると、ユーザーは関心領域を自由に選択し、それらの間の遺伝子発現パターンを比較できます。
手動選択が有効になっていることを確認します。マウスカーソルを使用して、マウスの脳スライスの左側にある海馬領域のスポットを選択します。セット 1 をクリックし、セットに追加をクリックして、右側のパネルで選択したスポットを強調表示します。
次に、セット2をクリックし、マウスカーソルを使用して、脳スライスの視床下部領域のスポットを選択します。[追加して設定する]をクリックして、右側でこれらの選択したスポットを強調表示します。スポット選択が完了したら、遺伝子発現の比較ボタンをクリックします。
これにより、選択した各領域の平均遺伝子発現値と散布図表現を表示するテーブルが生成されます。散布図上の個々の点にカーソルを移動して、両方の領域の遺伝子名と平均発現値を確認します。比較結果に基づいて、差次的に発現する遺伝子を同定します。
[遺伝子]タブに戻り、組織スライス全体でこれらの遺伝子の発現を視覚化します。データベースタブをクリックし、フィルターを使用して、生物をマウスとして、臓器を肝臓として、状態を癌として選択します。結果のサンプルリストから、サンプルDSID001005を選択します。
選択したサンプルをクリックし、説明がサンプルが結腸直腸癌起源の転移を含むマウス肝臓からのものであることを示していることを確認します。次に、ティッシュエクスプローラータブに移動し、手動選択モードを有効にします。マウスカーソルを使用して、サンプルDSID001005中のEpCAMマーカーの陽性発現によって同定された腫瘍領域に対応するスポットを選択します。
セット1をクリックします。次に、セットに追加を選択して、右側で選択した腫瘍スポットを強調表示します。次に、セット2をクリックし、カーソルを使用して、肝臓サンプルの遠くの非腫瘍領域のスポットを選択します。
[追加して設定する]をクリックして、ディスプレイの右側で選択した非腫瘍スポットを強調表示します。遺伝子発現データのさらなる解析を実行するには、CSVのダウンロードオプションをクリックして、サンプルの2つの領域の遺伝子発現データのカンマ区切り値ファイルを生成します。DSID001007のデータベースナビゲーション手順を繰り返した後、説明にそれが結腸直腸癌起源の転移を含むマウス肝臓からの別のスライスであると記載されていることを確認します。
次に、DSID001005とDSID001007のサンプルからそれぞれ1つずつ、腫瘍領域と非腫瘍領域の平均遺伝子発現を表す2つの列を含む2つのCSVファイルが生成されたことを確認します。両方の CSV ファイルを R プログラミング環境にロードします。データセットをマージし、条件ごとに 2 つの反復を使用して下流解析を実行します。
R では、limma パッケージを使用して、マージ データセットで差次的な遺伝子発現解析を実行します。両方のサンプルからの結腸直腸転移領域をがんグループに割り当て、遠隔の健康な領域を対照グループに割り当てます。結果をフィルタリングして、対数倍数の変化が0.5を超え、調整されたP値が0.05未満のアップレギュレーションされた遺伝子を特定します。
同様に、対数倍数の変化がマイナス0.5未満で、調整されたP値が0.05未満のダウンレギュレーションされた遺伝子を抽出します。マウス脳サンプルの左側に、検出された遺伝子の数の減少とリード数の減少を特徴とする、明確な低品質領域が観察されました。サンプルは、スポットごとに平均約4, 000個の遺伝子が検出され、データベース内の他のサンプルの分布とよく一致しました。
マウスの脳サンプル全体で15の空間クラスターが同定され、解剖学的違いを表す明確な境界が示されました。遺伝子NRGN、SLC17A7、DDNは海馬領域で強い発現を示しました。対照的に、LY6H発現は皮質領域、特にスライスの左下と右の外縁に局在していました。
神経ペプチドシグナル伝達活性は、サンプルスライスの下部皮質領域で著しく増加しました。シナプス可塑性の調節は、海馬領域全体、特に上部中部ゾーンで活性化されました。神経伝達物質輸送活性は、海馬の中央部と右上部で上昇しました。
遺伝子CLDN7、CLDN4、およびACTG1は、肝臓サンプルDSID 001005で結腸直腸転移を伴う腫瘍領域で明確なアップレギュレーションを示しました。対照的に、CLDN7、CLDN4、およびACTG1の発現は、サンプルDSID001007の遠隔健康な肝組織で著しく低かった。
概要
この記事では、DeepSpaceDBについて説明しています。DeepSpaceDBは、空間トランスクリプトミクスデータへのアクセスを向上させるために設計された対話型データベースです。これにより、研究者は様々な疾患に関連する組織組織と遺伝子発現を調査するための分析ワークフローを提供します。
主要な研究要素
研究分野
- 空間トランスクリプトミクス
- 組織組織研究
- 疾患関連遺伝子発現解析
背景
- 空間トランスクリプトミクスプラットフォームの開発により、組織切片における遺伝子発現の研究が進んでいます。
- データ分析の高コストと複雑さが研究を妨げる可能性があります。
- DeepSpaceDBは、生物学者にとってのアクセシビリティと使いやすさのギャップを埋めることを目指しています。
使用方法
- DeepSpaceDBデータベースの利用
- 遺伝子発現解析のためのマウスモデルシステム
- 空間分析のための対話型可視化ツール
主な結果
- 様々な組織タイプにおける空間遺伝子発現パターンの調査を容易にしました。
- 腫瘍および非腫瘍領域間での差異発現遺伝子の同定を可能にしました。
- 疾患メカニズムに関する仮説生成のためのツールを提供しました。
結論
- DeepSpaceDBは空間トランスクリプトミクスデータのアクセシビリティを大幅に向上させます。
- このデータベースは、ユーザーが複雑なデータセットを効率的に探索できるようにすることで、生物学研究の進歩に貢献します。
よくある質問
Executive Industry Relevance
Spatial transcriptomics is transforming early discovery by enabling high-resolution mapping of gene expression within intact tissue architecture. DeepSpaceDB addresses a critical bottleneck by democratizing access to spatial datasets and analytical workflows, supporting hypothesis generation and mechanistic de-risking in disease-relevant systems. This capability enhances predictive confidence at the target validation and lead identification stages, directly impacting portfolio triage and translational research continuity.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of spatial gene expression patterns in disease and healthy tissue contexts.
- Supports mechanistic de-risking by clarifying cellular heterogeneity and microenvironmental influences.
- Facilitates functional target validation through region-specific differential expression analysis.
- Drives predictive confidence for target selection and prioritization.
Screening & Assay Development
- Provides validated spatial datasets for assay development and benchmarking.
- Enables reproducible identification of spatially variable genes and pathways for downstream screening.
- Supports standardization of region-specific gene expression readouts across samples.
- Prepares robust biological systems for compound evaluation in spatially complex tissues.
Translational & Preclinical Research
- Aligns spatial gene expression signatures with disease-relevant biomarkers for translational continuity.
- Enables comparative analysis of tumor versus non-tumor regions to inform preclinical model selection.
- Supports risk-adjusted advancement decisions by revealing spatial heterogeneity in disease models.
- Facilitates cross-sample and cross-condition analyses for mechanistic insight.
Pipeline & Workflow Integration
DeepSpaceDB integrates into the discovery-to-preclinical continuum by providing accessible, annotated spatial transcriptomics datasets and analytical tools for hypothesis testing and comparative analysis.
- Discovery Biology: Empowers teams to test spatial hypotheses and clarify tissue-specific gene regulation.
- Screening: Delivers reproducible, quantitative spatial gene expression outputs for assay readiness.
- Analytics: Offers statistical outputs, including differential expression and pathway activity, for robust condition comparison.
- Translational Research: Connects spatial gene expression data to disease models and biomarker strategies.
- Enterprise Reuse: Establishes a reusable platform for spatial data mining across multiple projects and disease areas.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in tissue-based studies.
- Operational Value: Standardizes spatial data analysis and enhances reproducibility across teams.
- Strategic Value: Informs go/no-go decisions and improves capital allocation by clarifying spatial biology risks.
- Portfolio Impact: Enables risk-adjusted prioritization and supports advancement of high-confidence targets.
Implementation Considerations
- Requires expertise in spatial transcriptomics data interpretation and statistical analysis.
- Needs computational infrastructure for data visualization and downstream analytics.
- Demands cross-team standardization of region selection and quality control metrics.
- Adaptation may be needed for different tissue types and disease models.
- Dependent on quality and annotation depth of publicly available spatial datasets.
