DeepSpaceDB kullanarak Uzamsal Transkriptomik Veri Kümelerinin Madenciliği

DeepSpaceDB adında bir uzamsal transkriptomik veritabanı yapıyoruz. Çağrı, biyologlar ve biyoinformatikçiler için mekansal transkriptomik verileri daha kolay erişilebilir hale getirmektir. Çeşitli uzamsal transkriptomik platformlar geliştirilmiştir.

Araştırmacıların doku dilimleri içindeki gen ekspresyon modellerini incelemesine olanak tanır. Ancak bu teknoloji pahalıdır ve veri analizi yüksek düzeyde biyoinformatik becerileri gerektirir. Ritmi ve Xenium uzamsal platformu olan Our Cancer CEX Research'ü kullanıyoruz.

Bu platform, aynı organ bağlamında tümör, şişlik ve hatta uzaktaki konakçı dokuya karar vermemizi sağlar. Her bölmedeki ifade ve hücresel hesaplamadaki değişiklikleri ayrı ayrı çözmemize yardımcı olabilir. Biyologlar için en büyük zorluklardan biri aslında veri analizi yapmaktır.

Bu nedenle, şu anda kullanıma sunulan, giderek daha fazla sayıda uzamsal transkriptomik veri setini tam olarak yorumlayabilmek için gerekli programlama ve hesaplama becerilerinden yoksun birçok araştırmacı var. Veritabanı, uzamsal transkriptomik veri kümelerini daha kolay erişilebilir hale getirerek, kullanıcıların farklı hastalıkların altında yatan mekanizmaları keşfederek yeni hipotezler oluşturmasına olanak tanır. Örneğin, tümör mikroçevresi ile ilişkili uzamsal gen ekspresyon modellerini değerlendirebiliriz.

Başlamak için veritabanı sekmesine tıklayın ve organizmayı fare olarak, organı beyin olarak ve kaynağı Zenodo olarak seçin. Ortaya çıkan örnekler arasında gezinin ve DSID001557 etiketli örneği seçin. Ardından seçilen örneğe tıklayın ve açıklamanın 100 mikrolitre salin NK hücresinde 2 milyon hücre okuduğunu onaylayın.

Numune kalitesini değerlendirmek için kalite sekmesine tıklayın. Kalite ölçümleri açılır menüsünden, numune dilimindeki ilgili parametre dağılımlarını görüntülemek için tespit edilen genler, okuma sayısı ve mito gibi seçenekleri seçin. Şimdi, örnek dilimdeki farklı bölgeleri tanımlamak için görüntü açıklaması sekmesine gidin.

Ek açıklamaları görüntülemek için fare imlecini örnek dilimin üzerine getirin. Anatomik özellikleri ve ilişkili koşulları gösteren büyük bir dil modeli tarafından oluşturulan ızgara tabanlı ek açıklamaları görüntüleyin. Ardından, örnek dilimdeki hücre türü kümelerini incelemek için kümeler sekmesine gidin.

Kümelerin iki boyutlu gömülmesini ve örnek dilimdeki noktalar arasında karşılık gelen renk kodlu gösterimi görüntüleyin. Ardından, örnekteki uzamsal olarak değişken genleri incelemek için genler sekmesine gidin. Doku dilimi boyunca ifadelerinin uzamsal grafiklerini oluşturmak için listedeki en iyi genlerden bazılarına tıklayın.

En yüksek puan alan genler için farklı uzamsal dağılımları açıkça gösteren renk kodlu ekspresyon modellerini gözlemleyin. Ardından, ortak biyolojik yollarla ilişkili gen setlerinin aktivitesini incelemek için yollar sekmesine gidin. İlgili genlerin ekspresyon seviyelerine göre tahmin edilen yol aktivitesine sahip uzamsal olarak değişken yolların listesini görüntüleyin.

Doku dilimi boyunca aktivitelerinin uzamsal grafiklerini oluşturmak için listedeki en iyi yollardan bazılarına tıklayın. Farklı doku bölgelerindeki renk kodlu yol aktivitesi modellerini gözlemleyin. Şimdi, kullanıcıların ilgilendikleri bölgeleri özgürce seçmelerine ve aralarındaki gen ekspresyon modellerini karşılaştırmalarına olanak tanıyan doku gezgini sekmesine gidin.

Manuel seçimin etkinleştirildiğinden emin olun. Fare imlecini kullanarak, fare beyin diliminin sol tarafındaki hipokampal bölgedeki noktaları seçin. Birinci sete tıklayın ve ardından sağ panelde seçilen noktaları vurgulamak için sete ekle'ye tıklayın.

Ardından ikinci sete tıklayın ve beyin diliminin hipotalamik bölgesindeki noktaları seçmek için fare imlecini kullanın. Sağ tarafta seçilen bu noktaları vurgulamak için ayarlamak için ekle'ye tıklayın. Nokta seçimini tamamladıktan sonra gen ifadesini karşılaştır butonuna tıklayın.

Bu, seçilen her bölge için ortalama gen ekspresyon değerlerini bir dağılım grafiği gösterimi ile birlikte gösteren bir tablo oluşturur. Her iki bölgedeki gen adlarını ve ortalama ekspresyon değerlerini doğrulamak için imleci dağılım grafiğindeki tek tek noktaların üzerine getirin. Karşılaştırma sonuçlarına dayanarak, diferansiyel olarak eksprese edilen genleri tanımlayın.

Genler sekmesine geri dönün ve bu genlerin doku dilimi boyunca ekspresyonunu görselleştirin. Veritabanı sekmesine tıklayın ve organizmayı fare olarak, organı karaciğer olarak ve durumu kanser olarak seçmek için filtreyi kullanın. Sonuçta elde edilen örnek listesinden örnek DSID001005'yi seçin.

Seçilen örneğe tıklayın ve açıklamanın, numunenin kolorektal kanser kaynaklı metastaz içeren bir fare karaciğerinden geldiğini gösterdiğini onaylayın. Ardından doku gezgini sekmesine gidin ve manuel seçim modunu etkinleştirin. Fare imlecini kullanarak, numune DSID001005'de EpCAM işaretleyicisinin pozitif ekspresyonu ile tanımlanan tümör bölgesine karşılık gelen noktaları seçin.

Birinci sete tıklayın. Ardından, sağ tarafta seçilen tümör noktalarını vurgulamak için sete ekle'yi seçin. Şimdi, ikinci sete tıklayın ve karaciğer örneğinin uzak tümör olmayan bölgesindeki noktaları seçmek için imleci kullanın.

Ekranın sağ tarafında seçilen tümör olmayan noktaları vurgulamak için ayarlamak için ekle'ye tıklayın. Gen ekspresyonu verilerinin daha fazla analizini yapmak için, numunenin iki bölgesi için gen ekspresyonu verilerinin virgülle ayrılmış değerler dosyasını oluşturarak CSV'yi indir seçeneğine tıklayın. DSID001007 için veritabanı gezinme adımlarını tekrarladıktan sonra, açıklamanın kolorektal kanser kaynaklı metastazlar içeren bir fare karaciğerinden başka bir dilim olduğunu belirttiğini onaylayın.

Ardından, her biri DSID001005 ve DSID001007 örneklerinden birer tane olmak üzere, tümörlü ve tümörsüz bölgelerde ortalama gen ekspresyonunu temsil eden iki sütun içeren iki CSV dosyasının oluşturulduğunu onaylayın. Her iki CSV dosyasını da R programlama ortamına yükleyin. Koşul başına iki yineleme kullanarak aşağı akış analizi gerçekleştirmek için veri kümelerini birleştirin.

R'de, birleştirme veri kümesinde diferansiyel gen ekspresyonu analizi gerçekleştirmek için limma paketini kullanın. Her iki örnekten kolorektal metastaz bölgelerini kanser grubuna ve uzak sağlıklı bölgeleri kontrol grubuna atayın. 0,5'ten büyük bir log kat değişikliği ve 0,05'ten küçük bir düzeltilmiş P değeri olan yukarı regüle edilmiş genleri tanımlamak için sonuçları filtreleyin.

Benzer şekilde, eksi 0.5'ten küçük bir log kat değişikliği ve 0.05'ten küçük bir düzeltilmiş P değeri olan aşağı regüle edilmiş genleri çıkarın. Fare beyin örneğinin sol tarafında, tespit edilen gen sayısının azalması ve okuma sayısının azalmasıyla karakterize edilen, belirgin bir düşük kaliteli bölge gözlendi. Örnek, nokta başına tespit edilen ortalama yaklaşık 4.000 gen gösterdi ve bu, veri tabanındaki diğer örneklerin dağılımıyla iyi uyum sağladı.

Fare beyin örneğinde anatomik farklılıkları temsil eden farklı sınırlara sahip 15 uzamsal küme tanımlandı. NRGN, SLC17A7 ve DDN genleri hipokampal bölgede güçlü ekspresyon gösterdi. Buna karşılık, LY6H ekspresyonu kortikal bölgelerde, özellikle dilimin sol alt ve sağ dış kenarlarında lokalizeydi.

Nöropeptit sinyal aktivitesi, numune diliminin alt kortikal bölgelerinde belirgin şekilde artmıştır. Sinaptik plastisitenin düzenlenmesi, hipokampal bölge boyunca, özellikle üst orta bölgelerde aktive edildi. Nörotransmitter taşıma aktivitesi, hipokampusun orta ve sağ üst bölümlerinde yükseldi.

CLDN7, CLDN4 ve ACTG1 geni, karaciğer örneği DSID 001005'de kolorektal metastaz ile tümör bölgesinde net bir yukarı regülasyon sergiledi. Buna karşılık, CLDN7, CLDN4 ve ACTG1'in ekspresyonu, numune DSID001007'nin uzak sağlıklı karaciğer dokusunda önemli ölçüde daha düşüktü.