Spatial analysis of tissue transcriptomes in health and disease

QC 2024-10-15

Abstract

Människokroppen består av komplexa vävnadsstrukturer, och deras integritet och funktion är avgörande för vårt välbefinnande. Genom att studera genuttrycket inom våra vävnader kan vi få en fördjupad förståelse för de mekanismer som är verksamma både när vi är friska och sjuka. Med nya framsteg inom bioteknik så har omfattningen och upplösningen hos metoderna för att analysera transkriptomet drastiskt förbättras. Från traditionell analys på bulk-nivå kan vi nu studera hela transkriptomets genuttryck hos enskilda celler samt inom tunna vävnadssnitt där ursprunget av transkriptens position har bevarats. En av de ledande teknologierna för att erhålla spatiellt upplöst transkriptomikdata är Visium, där sekvenseringsbaserad global analys av transkriptomet kan utföras med hög rumslig upplösning kopplat till en mikroskopibild av vävnadens histologi. Denna kraftfulla teknik kan tillämpas för att skapa molekylära kartor över heterogena vävnader för en djupgående karaktärisering av cellulära nischer och dynamik som är förknippade med svar på exogena substanser och/eller patologier. Således har tillämpningen av transkriptomik med spatiell upplösning potential att hjälpa vår sjukdomsförståelse och bidra till utvecklingen av bättre behandlingsmetoder.

För att kunna extrahera biologiskt relevant kunskap från de omfattande dataset som genereras via Visium-plattformen, behövs välfungerande och tillgängliga bio-informatiska verktyg. I artikel I har vi skapat ett nytt verktyg vid namn semla. Det är skrivet i det brett använda programmeringsspråket R, för analys och visualisering av Visium-data. Genom att bygga vidare på tidigare R-paket tillför semla flera nya funktioner för att utföra spatiella analyser av genuttrycksdata i vävnader, med fokus på mångsidighet och tillgänglighet. 

Artikel II presenterar den första spatiellt upplösta transkriptomikdatan genererad för human vit fettvävnad, som är insamlad från donatorer med normalvikt till fetma. Genom att karakterisera adipocyter in situ kunde vi urskilja tre distinkta adipocyt-subtyper och beskriva deras profiler utifrån transkriptionella signaturer, spatiella kännetecken och koppling till fetma. Vidare analyserades prover från humana donatorer som fått insulintillförsel, vilket visade att endast en av de tre adipocyt-subtyperna verkade uppvisa ett svar på närvaron av insulin.

För artikel III studerade vi den förödande sjukdomen idiopatisk lungfibros med hjälp av Visium. Här presenterar vi en omfattande karta över transkriptomet inom de fibrotiska nischerna i sjuk lungvävnad och använder bioinformatiska metoder för att reda ut sjukdomsassocierade mekanismer. Dessutom finns det ett kritiskt behov av lämpligare prekliniska modeller för denna sjukdom för att kunna utveckla nya, bättre behandlingar. Därför undersökte vi det spatiella landskapet i lungor från den mest använda musmodellen för idiopatisk lungfibros och kunde genomföra translationella jämförelser av de fibrotiska sjukdomsyttringarna i de två modellerna.

Med prover från lungfibrosmusmodellen processade vi dessutom seriella vävnadssnitt med rumsbunden masspektrometri (MSI) för att generera matchad spatiell multimodal data. Med målet att integrera den spatiella omik-datan utvecklade vi en ny pipeline för sammanslagning av den spatiella multimodala datan. I artikel IV presenteras vår lösning, MAGPIE, som är utformad för att sätta Visium- och MSI-data i ett gemensamt koordinatsystem genom en flexibel och effektiv pipeline som genererar filer som lätt kan bearbetas av efterföljande analysverktyg som exempelvis semla. Vi demonstrerar och utvärderar nyttan av MAGPIE med hjälp av olika dataset och visar på styrkan med att använda spatiell multi-omikdata för att studera sjukdoms-mekanismer och lokala vävnadsresponser från läkemedelssubstanser.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-354759