空間生物學(xué)簡介
測序技術(shù)、質(zhì)譜技術(shù)、多組學(xué)方法、成像技術(shù)和人工智能分析技術(shù)的進(jìn)步,大大提高了從生物樣本(尤其是人體組織)中獲取信息的深度。這些相互關(guān)聯(lián)的工具及其提供的不同見解,催生了一個(gè)快速發(fā)展的領(lǐng)域,即空間生物學(xué)。通過整合這些先進(jìn)技術(shù)所提供的背景,空間生物學(xué)正在改變生物研究。但什么是空間生物學(xué),研究人員如何利用其工具來滿足后組學(xué)時(shí)代日益增長的生物學(xué)問題的需求?
本文簡要概述了空間生物學(xué)及其技術(shù),以及這一動(dòng)態(tài)領(lǐng)域的關(guān)鍵研究問題。
什么是空間生物學(xué)?
簡單地說,空間生物學(xué)就是研究分子、細(xì)胞和組織在其原生二維或三維空間環(huán)境中的組織和相互作用,以及它們之間的關(guān)系。通過空間生物學(xué),研究人員可以探索原生組織微環(huán)境中的相互作用,揭示其細(xì)胞表型多樣性和空間結(jié)構(gòu)。
如何生成空間生物學(xué)數(shù)據(jù)?
空間生物學(xué)數(shù)據(jù)是通過不同的技術(shù)方法生成的,或者通常是這些方法的組合,其中最主要的方法包括:
左右滑動(dòng)查看更多
空間多組學(xué)是什么?
空間多組學(xué)是一個(gè)新興領(lǐng)域,它將多種組學(xué)技術(shù)結(jié)合起來,以獲得更大的背景和更深入的見解。例如,結(jié)合蛋白質(zhì)組學(xué)和轉(zhuǎn)錄組學(xué)數(shù)據(jù),深入了解組織切片內(nèi)的定位情況。
激光顯微切割系統(tǒng) - 為下游蛋白質(zhì)組學(xué)、基因組學(xué)和轉(zhuǎn)錄組學(xué)分析保留空間背景。
空間生物學(xué)在組織研究中的重要性
腫瘤微環(huán)境(TME)等異質(zhì)組織是具有不同表型變化的細(xì)胞的復(fù)雜組合。因此,研究腫瘤、基質(zhì)和免疫細(xì)胞之間的組織和相互作用需要一種空間多重成像研究方法,為此需要高靈敏度和特異性的抗體。與傳統(tǒng)的顯微鏡相比,多重成像技術(shù)能觀察到更多的生物標(biāo)記物,因此能從人體組織樣本中提取更多的信息。
清晰的全組織成像。
生物標(biāo)記物的多重成像
通過同時(shí)觀察多種生物標(biāo)記物,可以識(shí)別和分析復(fù)雜的組織和細(xì)胞表型?;诳贵w的多重成像技術(shù)使研究人員能夠研究蛋白質(zhì)表達(dá)的時(shí)間和地點(diǎn),并按細(xì)胞類型、生物標(biāo)記物表達(dá)譜和特定特征(稱為空間表型)繪制正常和患病組織的圖譜。通過對(duì)細(xì)胞的空間圖譜繪制和分析,可以更深入地了解組織狀況和疾病進(jìn)展,這對(duì)生物標(biāo)記物的發(fā)現(xiàn)至關(guān)重要。
Cell DIVE 多路復(fù)用成像解決方案 - Cell DIVE 是一種精確、開放的多路復(fù)用解決方案,可讓您的研究決定所需的自動(dòng)化程度、使用哪種抗體、如何構(gòu)建抗體面板等。
多重成像有哪些不同類型?
在基于顯微鏡的方法中,“復(fù)用性"(即樣本中分析的分析物數(shù)量)存在差異。低/中復(fù)用方法分析的生物標(biāo)記物數(shù)量較少,而高復(fù)用方法則可分析數(shù)百或數(shù)千個(gè)生物標(biāo)記物。研究人員可以選擇基于低復(fù)合物成像的技術(shù),如傳統(tǒng)的光學(xué)顯微鏡,對(duì)組織樣本進(jìn)行更高分辨率的成像。當(dāng)樣本具有復(fù)雜的三維結(jié)構(gòu)(如球體或厚組織)時(shí),這一點(diǎn)至關(guān)重要。
目前已有許多不同的復(fù)用成像方法,每種方法都采用不同的方法來實(shí)現(xiàn)更高的復(fù)用性。主要分為以下幾類:
剖析目標(biāo)區(qū)域,進(jìn)行重點(diǎn)空間生物學(xué)分析
例如基于全息技術(shù)的方法,或者在不受周圍細(xì)胞污染的情況下對(duì)特定切片進(jìn)行進(jìn)一步研究。例如,在癌癥生物學(xué)中,腫瘤區(qū)域和非腫瘤區(qū)域之間以及腫瘤內(nèi)部都存在明顯的分子差異。只有通過分離這些區(qū)域的特定切片,才能解讀這些差異。激光顯微切割(LMD),又稱激光捕獲顯微切割(LCM),正越來越多地用于空間生物學(xué),從各種樣本中分離和解剖單個(gè)目標(biāo)細(xì)胞或整個(gè)組織區(qū)域。這種方法可與人工智能(AI)引導(dǎo)的方法相結(jié)合,自動(dòng)定義需要解剖的感興趣區(qū)(ROI)。
激光顯微切割簡介 - 精確定位或分離單個(gè)細(xì)胞和組織結(jié)構(gòu)。
人工智能在空間生物學(xué)中的興起
空間生物學(xué)技術(shù)可生成大量數(shù)據(jù),通常以圖像的形式存在,其中蘊(yùn)含著許多研究問題的答案。然而,這些數(shù)據(jù)的龐大數(shù)量和復(fù)雜性給分析工作帶來了挑戰(zhàn)。此外,在分析多個(gè)標(biāo)簽和成千上萬個(gè)數(shù)據(jù)點(diǎn)時(shí),克服分析的主觀性也是一大障礙。這些因素助長了使用人工智能驅(qū)動(dòng)的多路復(fù)用圖像分析從空間數(shù)據(jù)中獲得有意義和可量化見解的趨勢(shì)。例如,對(duì)異質(zhì)組織樣本進(jìn)行人工智能驅(qū)動(dòng)的機(jī)器學(xué)習(xí)分析,可以揭示dute的、以前未識(shí)別的細(xì)胞表型及其在組織微環(huán)境中的分布。這種洞察力能讓科學(xué)家更好地對(duì)腫瘤類型進(jìn)行分類,并對(duì)治療反應(yīng)做出更準(zhǔn)確的預(yù)測,最終改善患者的預(yù)后。
用 STELLARIS 系統(tǒng)采集的標(biāo)有 8 種 OPAL 染料和 DAPI 的多重人體扁桃體組織,用 Aivia 14 進(jìn)行細(xì)胞分割。
空間生物學(xué)包括各種工具、方法和分析,它們將不同的技術(shù)(如組學(xué)技術(shù))與基于成像的方法相結(jié)合,以獲取位置信息,從而增強(qiáng)我們對(duì)組織結(jié)構(gòu)和空間相互作用的理解。隨著這些技術(shù)的進(jìn)步,研究人員可以解決的問題范圍將變得更加復(fù)雜。癌癥生物學(xué)、神經(jīng)科學(xué)和發(fā)育生物學(xué)等復(fù)雜領(lǐng)域有望從這些突破中獲得重大影響。采用空間生物學(xué)思維方式將促進(jìn)這些方法的整合,并激勵(lì)研究人員在其實(shí)驗(yàn)系統(tǒng)中探索新方法。
相關(guān)產(chǎn)品
電話
微信掃一掃