MTBLS415

520TopL, 490TopR, 510BottomL, 500BottomR-profile

DOI: 10.1039/C6SC03738K
空间分辨率: 17μm,   147x131
创建时间: 2025-01-10 17:17:40
物种: Homo sapiens (colorectal adenocarcinoma)  
状态: Cancer
仪器: DESI ()
离子数量: 1962 / 2521 (77.83%)
数据源:

The human colorectal adenocarcinoma sample was excised during a surgical operation performed at the Imperial College Healthcare NHS Trust. The sample and procedures were carried out in accordance with ethical approval (14/EE/0024).

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。