MTBLS2075

image2

DOI: 10.1016/j.jlr.2021.100023
空间分辨率: 40μm,   550x256
创建时间: 2025-01-03 17:55:55
物种: Mus musculus (Lung)  
状态: normal
仪器: MALDI (DHB)
离子数量: 1900 / 2983 (63.69%)
数据源:

Supplementary Figure S6. Ion distribution images for (a) [PC36:4+Na]+ (m/z 804.5514) and (b) [PC38:6+Na]+ (m/z 828.5515) obtained from mouse lung tissue collected 6 h after administration of D9- choline and U13C-DPPC–containing CHF5633. Parts-per-million (ppm) mass errors are indicated in parentheses. (c) Magnification of the boxed region in (a) with selected bronchiolar regions outlined in white boxes. (d) The corresponding H&E-stained tissue section with the same selected bronchiolar regions outlined in black boxes. These data demonstrate the co-localisation of the polyunsaturated lipids PC36:4 and PC38:6 with the bronchiolar regions of the lung. All MSI images were visualised using total ion current normalisation and hotspot removal (high quantile = 99%).

输入 m/z 用于成像：




m/z:

Name:
Formula:
Adducts:



组织形态学是研究组织结构和形态的学科，这些组织是由共同执行特定功能的细胞群组成的。组织是器官的基本构建块，对于多细胞生物体的功能至关重要。

组织形态学在空间/单细胞代谢分析中尝试阐明以下方面：

  1. 细胞类型：识别组织内的不同细胞类型及其特定功能。
  2. 细胞排列：观察细胞是如何组织的，无论是在层中、簇中，还是在细胞外基质中分散。
  3. 细胞外基质：研究细胞外基质的组成和结构，这在不同组织类型之间可能会有很大差异。
  4. 特殊结构：检查特定组织独有的特殊结构，如纤毛、微绒毛或细胞间连接。

点击离子m/z值查看其质谱成像热图和在多个空间区域中的代谢物表达值。

低维度嵌入与聚类

空间/单细胞代谢组学数据通常由高维数据集组成，每个细胞点由数千个代谢物的表达水平特征化。UMAP通过降低数据的维度同时保留细胞点之间的重要结构和关系，帮助理解这种复杂的数据。

A vs B:
vs

组织形态学

点击Region ID查看特定组织区域的参考质谱图，点击Anatomy ID的链接查看跨多个物种和器官样本的解剖本体论。

代表性质谱图

从空间聚类结果的每个区域的点中提取质谱数据，然后对质谱进行二叉树聚类计算，获得最大的聚类簇。计算质谱在聚类簇中的碎片信号响应强度的平均值，最终构建特定空间区域的代表性质谱图结果。

通过在多个质谱图簇上进行自举采样，生成了代谢物在多个空间组织区域的表达数据。

表达模式

C-均值模糊聚类算法是一种分割聚类技术，它允许每个数据点以不同的成员度属于多个聚类。该算法旨在最小化数据点与聚类中心之间的加权平方距离之和，其中权重是数据点对聚类的成员度。

每个点/单元的数据点被分配给每个簇的隶属度，代表该点/单元属于该簇的可能性。隶属度介于0到1之间，一个数据点在所有簇上的隶属度之和为1。

空间/单细胞组学中的应用：

  • 细胞类型鉴定：在异质群体中识别不同的细胞类型。
  • 疾病亚型分类：根据细胞特征发现疾病的亚型。
  • 发育轨迹分析：理解细胞在不同发育阶段的进展。