空间转录组学

[Mitu100@]

单细胞 RNA 测序可以更细致地评估每个细胞的转录组。然而，单细胞测序技术仅限于组织分离的细胞，这些细胞已经丢失了所有空间信息。

描述组织内细胞类型的位置环境很重要，原因有几个，包括需要了解组织中细胞之间的信息链、关联细胞群和细胞功能，以及识别正常细胞和患病细胞之间的细胞分布差异。

空间单细胞转录组学或空间组学被认为是单细胞分析之后的下一波浪潮，它结合成像和单细胞测序来绘制特定转录本在组织上的位置，从而揭示特定基因的表达位置并表明单个细胞的功能背景。

尽管单细胞 RNA 测序数据分析的许多生物信息学能力与空间分辨数据相同，但分析流程在量化矩阵层面上存在分歧，需要专门的工具从空间数据中提取知识。

然而，有一些先进的分析平台使用独特的单一数据框架来获取所有类型的数据，包括空间坐标，以进行综合分析。


生物信息学，何去何从？
生物信息学将继续与生物研究中出现的需求和机遇一起发展，甚至领先于它们。但如果从这里引用的例子中可以得出一个关键结论，那就是还原论方法（局限 波斯尼亚和黑塞哥维那手机数据 于单一组学模式或学科甚至维度）产生的结果有限，而且往往不是最理想的。

如果生物信息学要继续推动尖端生物学研究以解决我们这个时代的一些最复杂的问题，那么重点需要放在开发更全面、系统的生物信息学分析方法上。

生物信息学系统生物学分析并不是一个全新的概念，尽管其应用并不特别普遍。但系统生物信息学将一个定义明确的系统方法框架应用于整个组学数据范围，重点是定义分辨率级别和目标系统的边界，以便将系统作为一个整体进行研究，而不是将其作为其组成部分的总和。