ClusterMap：用于空间基因表达的多尺度聚类分析 | 空间转录组分析工具推荐

在空间背景下量化RNA是了解复杂组织中基因表达和调控的关键。原位转录组方法可以在完整的组织中产生空间分辨率的RNA图谱。然而，目前还缺乏一个统一的计算工具来综合分析原位转录组数据。2021年10月，Nature Communications发表了一个无监督和无注释的计算工具：ClusterMap，其在二维和三维空间将RNA精确地聚类到亚细胞结构、细胞体和组织区域中，并在不同的组织类型（包括小鼠大脑、胎盘、肠道和人类心脏器官）中表现稳定。ClusterMap广泛适用于各种原位转录组技术，从高维转录组图谱图像中揭示基因表达模式、细胞生态位和组织结构原理。

为了绘制细胞和组织中基因表达的空间异质性，已经开发了大量基于图像的原位转录组学方法（例如STARmap、Fiseq、ISS、MERFISH、seqFISH、osmFISH等），提供了完整组织中亚细胞RNA定位的图谱。然而，从高维空间转录组数据中直接提取生物模式的低维表示仍然具有挑战性。

ClusterMap是什么？

ClusterMap是基于两个关键的生物学现象。首先，细胞内RNA分子的密度高于细胞外；其次，不同基因编码的细胞RNA在不同的亚细胞位置、细胞类型和组织区域富集。因此，开发团队推断，通过对RNA的物理密度和基因身份进行联合聚类，可以直接从原位转录组数据中确定有生物学意义的模式和结构。随后&#x