[논문 리뷰] SpaceTx: A Roadmap for Benchmarking Spatial Transcriptomics Exploration of the Brain

Brian Long, Jeremy A. Miller외 1명|arXiv (Cornell University)|2023. 01. 20.

Single-cell and spatial transcriptomics인용 수 10

한 줄 요약

이 논문은 Brain의 공간 전사체학 벤치마크를 위한 SpaceTx의 노력을 조사하고, 이 분야가 성숙해짐에 따라 정량적 벤치마킹을 위한 로드맵을 제시한다. 조직 처리, 분류체계, 유전자 선택, 이미지 처리, 데이터 표준화, 세포 분할, 세포 유형 할당, 시각화를 다룬 진행 상황을 포괄한다.

ABSTRACT

Mapping spatial distributions of transcriptomic cell types is essential to understanding the brain, with its exceptional cellular heterogeneity and the functional significance of its spatial organization. Spatial transcriptomics techniques are hoped to accomplish these measurements, but each method uses different experimental and computational protocols, with different trade-offs and optimizations. In 2017, the SpaceTx Consortium was formed to compare these methods and determine their suitability for large-scale spatial transcriptomic atlases. SpaceTx work included progress in tissue processing, taxonomy development, gene selection, image processing and data standardization, cell segmentation, cell type assignments, and visualization. Although the landscape of experimental methods has changed dramatically since the beginning of SpaceTx, the need for quantitative and detailed benchmarking of spatial transcriptomics methods in the brain is still unmet. Here, we summarize the work of SpaceTx and highlight outstanding challenges as spatial transcriptomics grows into a mature field. We also discuss how our progress provides a roadmap for benchmarking spatial transcriptomics methods in the future. Data and analyses from this consortium, along with code and methods are publicly available at https://spacetx.github.io/.

연구 동기 및 목표

• 뇌에서 공간 전사체학 방법의 정량적 벤치마킹 필요성을 촉구한다.
• 실험적 및 계산 파이프라인 전반에 걸친 SpaceTx의 기여를 요약한다.
• 향후 벤치마킹 노력의 주요 도전과 설계 원칙을 강조한다.
• 커뮤니티가 데이터, 방법, 평가를 표준화하는 방법에 대한 로드맵을 제시한다.
• 재현성과 비교 가능성을 지원하기 위해 공개 데이터, 코드 및 방법을 장려한다.

제안 방법

• 조직 처리, 분류체계 개발, 및 유전자 선택에서 SpaceTx의 활동을 검토한다.
• SpaceTx에서 사용된 이미지 처리, 데이터 표준화 및 세포 분할 방법을 논의한다.
• SpaceTx가 개발하거나 채택한 세포 유형 할당 및 시각화 방법론을 설명한다.
• 재현성을 가능하게 하기 위해 공개 데이터, 코드 및 방법의 사용을 촉진한다.
• 공간 전사체학이 성숙해짐에 따라 벤치마킹 필요성의 진화를 개요한다.

실험 결과

연구 질문

• RQ1 뇌에서 공간 전사체학 방법을 벤치마킹하는 데 필요한 핵심 구성 요소는 무엇인가?
• RQ2 실험 및 계산 워크플로우 전반에서 어떤 트레이드오프와 최적화가 대규모 공간 지도에서 가장 중요한가?
• RQ3 조직 처리, 분류체계, 유전자 선택 및 시각화를 어떻게 표준화하고 효과적으로 벤치마크할 수 있는가?
• RQ4 공간 전사체학 기술이 발전함에 따라 남아 있는 도전과제는 무엇이며, 로드맵이 이를 어떻게 해결할 수 있는가?
• RQ5 재현성과 연구 간 비교 가능성을 극대화하기 위해 데이터와 방법을 어떻게 공유해야 하는가?

주요 결과

• SpaceTx는 조직 처리, 분류체계 개발, 유전자 선택, 이미지 처리, 데이터 표준화, 세포 분할, 세포 유형 할당, 및 시각화 전반에서 진전을 이뤘다.
• 해당 분야가 성숙함에 따라 정량적이고 상세한 벤치마킹의 필요성이 여전히 남아 있다.
• 본 논문은 남아 있는 도전과제를 문서화하고 향후 벤치마킹 노력을 안내하는 로드맵을 제공한다.
• 공개 데이터 및 코드의 가용성을 재현성과 방법 비교를 위한 필수 요소로 강조한다.
• 로드맵은 확장 가능한 공간 전사체학 대서를 위한 실험 및 계산 프로토콜의 조화를 어떻게 이룰지에 대해 개략한다.