范德比尔特大学的一组研究人员发布了一项新的基准研究，旨在帮助科学家选择最有效的方法来分析空间转录组学 (ST) 数据。
这项研究由生物医学工程和计算机科学助理教授 Xin Maizie Zhou 领导，评估了空间转录组学 (ST) 中的计算工具，这是一种用于在保留空间背景的同时绘制组织中基因表达模式的技术。该研究最近发表在《基因组生物学》上。
ST 涉及将组织样本切片，并将其放在带有空间索引条形码的专门设计的载玻片上。处理组织时，这些条形码会捕获组织每个特定位置的核糖核酸(RNA)。对 RNA 进行测序后，数据可以映射回原始组织位置，使研究人员能够直观地看到某些基因在组织结构中的表达位置。
自 2020 年开始广泛使用以来，这项突破性的测序技术彻底改变了人们对复杂组织的理解。ST 的应用包括癌症研究和神经科学，例如绘制大脑各部分基因表达图以了解区域功能或疾病机制。
然而，用于分析 ST 数据的工具种类繁多，因此很难根据特定的研究需求选择正确的方法。
为了解决这个问题，范德比尔特大学团队系统地比较了各种数据集中的 16 种聚类方法、5 种比对方法和 5 种集成方法。他们的研究结果为从事空间转录组学研究的研究人员提供了实用建议，帮助他们找到最符合其研究要求的工具。
“我们的目标是为研究人员提供一份清晰易懂的指南，帮助他们了解空间转录组学分析的可用选项，”范德堡大学跨机构数据科学研究所的教师之一周说。“我们希望这项研究能成为在这个快速发展的领域工作的任何人的有用资源。”