基于原位测序或多重RNA荧光杂交的单分子空间转录组学方案可以揭示详细的组织结构。然而,在这些数据中区分单个细胞的边界是具有挑战性的,并可能会阻碍下游分析。目前的方法通常使用细胞核染色法来近似确定细胞位置。基于此,来自美国的研究团队开发了一种分割方法:Baysor。其可以仅使用分子位置数据或结合辅助染色的证据进行分割,从而提高分割质量,增加细胞和分割分子的数量。相关研究结果已在《Nature Biotechnology》发表。
Baysor是什么?
空间转录组学中的许多分析都可以被表述为标签分配问题。例如,细胞分割是将细胞标签分配给观察到的分子。细胞间背景的分离是一个将分子标记为“信号”与“背景”的问题。这些问题的显著特点是,标签往往表现出强烈的空间聚集性。从数学角度来看,这种空间聚类趋势可以在简单的细分图上使用马尔可夫随机场(MRF)预设来捕捉,不同的标签问题可以通过选择适当的标签概率模型和可观察数据来解决。
Baysor是一个基于MRF分割思想的算法,其考虑到转录组成和细胞形态的联合可能性,优化了二维(2D)或三维(3D)细胞的边界。其不仅考虑到基于共染的分割,也可以单独根据检测到的转录物进行分割。