Spatial epigenome–transcriptome co-profiling of mammalian tissues

science-easyview

2년 ago

포유류 조직 유래 spatial epigenome–transcriptome의 공동 프로파일링

Abstract

공간 전사체학 및 공간 후생유전학을 포함한 새로운 공간 기반 기술은 조직의 맥락에서 세포 상태를 프로파일링하는 강력한 도구가 되고 있습니다. 그러나 현재의 방법은 한 번에 한 층의 오믹스 정보만 캡처하여 분자생물학의 central dogma에 걸친 기계적 관계를 조사할 가능성을 배제합니다.

이 논문에서는 chromatin 접근성과 유전자 발현, 또는 histone modification(H3K27me3, H3K27ac 또는 H3K4me3)과 유전자 발현을 거의 단일 세포 해상도에서 동일한 조직 부분에 시퀀싱 함으로써 공간적으로 해결된 게놈 전체, 후생유전자와 전사체의 공동 프로파일링을 위한 두 가지 기술을 제시합니다. 이는 후생유전학적 메커니즘이 조직의 전사적 표현형과 세포 역학을 어떻게 제어하는지를 지도하기 위해 성인 인간의 뇌뿐만 아니라 배아 및 청소년 쥐 뇌에 적용되었습니다.

공간 후생유전자나 공간 전사체에 의해 매우 일치하는 조직 특징이 식별되었지만, 연구자들은 나아가 세포 상태를 정의하는 데 있어서 그들의 다른 역할을 제안하면서 뚜렷한 패턴을 관찰했습니다. 픽셀 단위로 후생유전자와 전사체 픽셀을 연결하면 조직 구조 내 spatial epigenetic priming, 분화 및 유전자 조절에서 새로운 통찰력을 발견할 수 있습니다. 이 기술들은 생명과학과 생물의학 연구에서 많은 관심을 가지는 분야입니다.

Figure

[Figure 1] E13 마우스 배아를 이용한 spatial epigenomics-transcriptomics co-sequencing의 설계 및 평가

a. 연구 흐름도
b. Spatial ATAC-RNA-seq와 Spatial CUT&Tag-RNA-seq에서 고유 조각 수 및 피크 내 판독 분수(FRiP) 비교
c. Spatial ATAC-RNA-seq와 Spatial CUT&Tag-RNA-seq에서 유전자 및 UMI 계수 분포. E13에서 픽셀 수는 2,187이며 인간 뇌에서는 2,500, 쥐 뇌에서는 (ATAC) 9,215, (H3K27me3) 9,752, (H3K27ac) 9,370, (H3K4me3) 9,548입니다. 상자 수염 그림은 중앙값(중앙선), 제1사분위와 제3사분위(상자 한계) 및 1.5× 사분위 범위(수염)를 보여줍니다.
d. ATAC, RNA 및 ATAC 및 RNA 데이터의 조인트 클러스터링의 모든 클러스터의 공간 분포 및 UMAP. 조직 이미지와 클러스터 오버레이는 공간 클러스터가 정확하게 해부학적 영역과 일치함을 보여줍니다. 픽셀 크기는 50 µm이며, 척도 막대는 1 mm입니다.
e. 선택한 마커 유전자의 ATAC 및 RNA에서 다른 클러스터의 GAS 및 유전자 발현에 대한 공간 매핑.
f. 미배양 광사구로부터 성인 전신 세포로의 유사시간 분석이 공간적 수준에서 시각화됩니다.
g. 마커 유전자에 대한 유전자 발현 및 GAS를 구분하는 열 지도.
h. 유사 시간에 걸쳐 GAS와 유전자 발현의 동적 변화.

[Figure 2] P22 마우스 뇌의 공간적 chromatin 접근성 및 transcriptome 공동 프로파일링
a. 20-μm 채널 크기와 100 × 100 바코드용 미세 유체 칩 설계도입니다.
b. 마우스 뇌의 공간 ATAC-RNA-seq에서 ATAC 및 RNA의 모든 클러스터의 공간 분포 및 UMAP 결과입니다. 픽셀 크기는 20 µm이며 척도 막대는 1 mm입니다.
c. 쥐 뇌의 ATAC 데이터와 scATAC-seq 데이터의 통합
d. 쥐 뇌의 RNA 데이터와 scRNA-seq 데이터의 통합
e. ATAC와 RNA의 서로 다른 클러스터에서 선택한 마커 유전자의 GAS와 유전자 발현에 대한 공간 매핑입니다.

[Figure 3] P22 mouse 뇌의 공간 histone 수정 및 transcriptomics 공동 프로파일링
a-c. 마우스 뇌의 H3K27me3와 RNA (a), H3K27ac와 RNA (b), H3K4me3와 RNA (c)의 모든 클러스터의 공간 분포 및 UMAP. 픽셀 크기는 20 µm이며 척도 막대는 1 mm입니다.
d. 쥐 뇌의 H3K27me3 데이터를 scCUT&Tag (H3K27me3) 데이터와 통합한 결과입니다.
e. 쥐 뇌의 H3K27ac 데이터를 scCUT&Tag (H3K27ac) 데이터와 통합한 결과입니다.
f. 마우스 뇌의 공간 CUT&Tag (H3K27me3)-RNA-seq, 공간 CUT&Tag (H3K27ac)-RNA-seq 및 공간 CUT&Tag (H3K4me3)-RNA-seq에서 RNA 데이터를 scRNA-seq 데이터와 통합한 결과입니다.

[Figure 4] 유전자 발현의 지역별 epigenetic 조절
a-c: 마우스 뇌에서 H3K27me3와 RNA (a), H3K27ac와 RNA (b), H3K4me3와 RNA (c)의 클러스터들의 공간 분포 및 UMAP을 보여줍니다. 픽셀 크기는 20 µm이며 척도 막대는 1 mm입니다.
d: 쥐 뇌의 H3K27me3 데이터를 scCUT&Tag (H3K27me3) 데이터와 통합한 결과입니다.
e: 쥐 뇌의 H3K27ac 데이터를 scCUT&Tag (H3K27ac) 데이터와 통합한 결과입니다.
f: 마우스 뇌의 공간 CUT&Tag (H3K27me3)-RNA-seq, 공간 CUT&Tag (H3K27ac)-RNA-seq, 그리고 공간 CUT&Tag (H3K4me3)-RNA-seq에서 RNA 데이터를 scRNA-seq 데이터와 통합한 결과입니다.

[Figure 5] 인간 해마의 공간적 chromatin 접근성과 transcriptome 공동 프로파일링
a. 인간 해마에서 ATAC와 RNA에 기반한 모든 클러스터의 Brightfield 이미지, 공간 분포 및 UMAP을 보여줍니다. ML은 분자층을, Pyr은 피라미드형 뉴런을 나타냅니다. 픽셀 크기는 50µm이며 척도 막대는 1mm입니다.
b. 인간 해마의 scATAC-seq 데이터와 저희 ATAC 데이터를 통합한 결과입니다.
c. 인간 뇌의 snRNA-seq 데이터와 저희 RNA 데이터를 통합한 결과입니다.
d. ATAC와 RNA에서 선택한 마커 유전자의 다른 클러스터에 대한 GAS 및 유전자 발현의 공간 매핑 결과를 보여줍니다. Oligo는 올리고뇌세포를, astro는 아스트로사이트를, DG는 이소피질에서 신경생성을 담당하는 이소피질유래신경전구세포(dentate gyrus)를 나타냅니다.

Disscussion

NGS 또는 이미징을 기반으로 하는 공간 경제학 기술(spatial epigenomics, transcriptomics and proteomics)은 공간 조직 맥락에서 유전자 규제에 대한 새롭고 풍부한 통찰력을 생성할 수 있는 전례 없는 기회를 제공합니다. 그러나 유전자 조절 메커니즘을 포괄적으로 이해하기 위해서는 다른 층의 오믹스 정보를 동시에 프로파일링할 필요가 있습니다. 이는 분리된 단일 세포에서 처음으로 입증되었지만 아직 조직에서 직접 실현되지 않았습니다. RNA 순차 형광과 결합된 이미징 기반 DNA 순차 형광 in situ hybridization은 표적 유전자와 선택된 게놈 위치에 대한 공간적 크로마틴 및 유전자 발현을 검출했습니다. 현재까지, 현재의 기술은 세포 수준에서 동일한 조직 부분에서 후생유전자와 전사체의 편향되지 않은 게놈 전체 혼수상태를 수행할 수 없었습니다. 우리는 게놈 전체 chromatin 접근성 또는 histone modification의 공동 프로파일링을 위해 공간 ATAC-RNA-seq 및 공간 CUT&Tag-RNA-seq(H3K27me3, H3K27ac 및 H3K4me3에 적용)를 거의 단일 세포 해상도에서 동일한 조직 섹션의 전체 전사체와 함께 개발했습니다(공간 탐색에 사용 가능한 ‘데이터 가용성’ 참조). 이 기술들은 성인 인간의 뇌뿐만 아니라 배아와 어린 쥐의 뇌의 혼수상태에 적용되었습니다. 공간 에피게놈-전사체 코시퀀싱은 이전에 단일 양식으로 얻은 것과 유사한 데이터 품질로 조직에서 직접 두 계층의 공간 오믹스 정보를 생성했습니다. 이러한 기술을 통해 조직 맥락에서 시공간 역학 및 게놈 전체 유전자 조절 메커니즘을 조사할 수 있습니다.

저자들은 공간 멀티오믹스 매핑을 위해 RNA와 함께 ATAC 또는 CUT&Tag를 시연했습니다. 염색질 접근성, 히스톤 수정 및 전사체의 세 가지를 결합하여 조직에서 유전자 조절 네트워크의 보다 포괄적인 풍경을 묘사하는 것이 가능할 수 있습니다. 공간 유전자 발현 조절에 대한 다가성 효과를 평가하기 위해 여러 히스톤 수정을 동시에 측정하는 것도 가능할 수 있습니다. 이전에 우리는 전사체와 큰 단백질 패널의 공간 프로파일링을 시연했습니다. 우리는 세포 유형, 상태 및 유전자 조절의 공간 패턴을 해부하기 위해 epigenome, transcriptome 및 proteome을 추가로 결합하는 것이 가능하고 가치가 높다고 생각합니다. 마지막으로, 여기서 보고된 공간 다중체학은 신경 과학과 발달 생물학을 넘어 광범위한 응용 분야를 찾을 수 있습니다. 예를 들어, 인간 질병 조직의 공간 매핑을 위한 다중 양식은 서로 교차 검증할 뿐만 아니라 단일 양식 방법을 사용하여 쉽게 식별할 수 없는 비정상적인 세포 상태를 구동하는 메커니즘을 더 잘 설명합니다. 또한 공간 정보는 지역 조직 환경이 중앙 도그마의 모든 계층에 걸쳐 세포 상태, 역학 및 기능에 어떻게 영향을 미치는지 추가로 보여줄 수 있습니다. 이 연구에서, 우리는 청소년 P22 마우스 뇌 관상 섹션의 거의 반구를 커버하기 위해 100 × 100 바코드(총 10,000 픽셀, 20 μm 픽셀 크기)를 사용하여 4배 더 큰 조직 영역을 매핑할 수 있는 더 큰 매핑 영역과 더 높은 처리량을 가진 장치를 개발했습니다. 뱀 모양의 채널 설계를 통해 5개의 조직 샘플을 동시에 처리할 수 있으며, 각 샘플은 10,000픽셀에 대해 매핑됩니다. 자동화된 액체 처리를 사용하여 바코드 수를 늘림으로써 매핑 영역을 더욱 늘리고 처리량을 더욱 향상시킬 수 있습니다.

요약하자면, 공간적으로 해결된 세포 수준에서 후생유전자와 전사체의 게놈 전체의 cosequencing은 공간 생물학에서 가장 유용한 도구 중 하나이며, 광범위한 생물학 및 생물 의학 연구에 적용될 수 있습니다.

REF

Zhang, D., Deng, Y., Kukanja, P. et al. Spatial epigenome–transcriptome co-profiling of mammalian tissues. Nature (2023). https://doi.org/10.1038/s41586-023-05795-1