空间通过细胞空间排布分析银屑病的严重程度

作者，Evil Genius

今天我们复习，文章在Spatial transcriptomics stratifies psoriatic disease severity by emergent cellular ecosystems，2023.6.2发表于Science Immunology,IF 30.63，样本类型：健康的皮肤和银屑病。其中在研究的过程就是借助了其他人的单细胞数据辅助研究自己的空间转录组数据，思路值得借鉴。

这个文献之前分享过在如何利用数据库的单细胞数据分析自有的空间转录组，包括在空转系列课上也重点讲过，其中我们需要学习的地方

1、空间整合分析如何判断使用CCA还是harmony？
2、空间整合合理的结果是如何判断的？
3、MIA的用法
4、如何借助公共的单细胞数据辅助分析自己的空间样本？也就是MIA在数据不匹配的情况下的实际运用
5、SpaceFold + BayesPrism的联合用法

我们来回顾一下

• 文章运用空间转录组学(ST)分析了25例健康、活动性病变和临床未受损伤的皮肤活检，并与公开的单细胞转录组学数据相结合，揭示了健康和炎症皮肤之间免疫微孔的显著差异。
• 轻度和严重形式的PsO（人类牛皮癣）具有不同的分子特征，严重的PsO可能会深刻地改变远端未受影响的皮肤部位的细胞和代谢组成。

背景知识

• 人体皮肤构成了对周围环境的物理和免疫屏障。
• 牛皮癣(PsO)是最普遍的免疫介导的炎症性疾病之一，影响人口的2%至3%。PsO的临床特征是皮肤红斑斑块，这些斑块要么局限于一小块皮肤区域，要么覆盖身体的大部分，并且在厚度(硬结)、鳞屑(脱屑)和发红(红斑)方面变化
• 空间结构数据和健康和病理细胞相互作用发生的独特环境或“微生态”是具有挑战性的。考虑到细胞组织和相互作用组在协调健康和疾病中的重要性，在组织尺度上未知地绘制这些特征可能会揭示银屑病严重程度和/或其系统性表现的新特征。

结果1、健康人皮肤的空间图谱

After Seurat anchor–based integration, we implemented graphbased clustering of the healthy skin spot transcriptome. Dimensionality reduction, performed using uniform manifold approximation and projection (UMAP), revealed 12 distinct clusters. Cluster annotations based on differentially expressed (DE) marker genes had notable concordance with histopathologic tissue features. Clusters were grouped by the skin’s three primary histologically defined layers (epidermis, dermis, and hypodermis) and captured discrete structures such as the hair follicle

Harmony-based integration and graph-based clustering analysis yielded 11 distinct clusters and similarly delineated the distinct skin layers. Serial analysis of tissue sections yielded highly reproducible results, and each of the 12 clusters was represented in all healthy samples when using both anchor-based and Harmony-based integration analyses. We thus performed subsequent validations and analyses of healthy skin using anchor-based integration. Across all samples, epidermal and hair follicle clusters 3, 7, and 9 had the highest number of UMIs, followed by cluster 6 (upper follicle and perifollicular dermis) and dermis 2, highlighting regions that were the most cell dense and/or transcriptionally active

• 利用公开可用的scRNA-seq数据获得ST spot内的细胞分辨率并验证数据分析。
• 为了进一步证实细胞类型的空间分布，使用了多模态交叉分析(MIA)，这是一种计算方法，通过超几何测试，根据每个ST和scRNA-seq cluster之间上调DE/标记基因的重叠程度，推断组织区域中特定细胞类型的富集。

• 一旦数据存在严重的不合理现