kth.sePublications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Spatial transcriptomics of T and B cell receptors maps lymphocyte clones in human tissue
Department of Cell and Molecular Biology, Karolinska Institutet, Stockholm, Sweden.
KTH, School of Engineering Sciences in Chemistry, Biotechnology and Health (CBH), Gene Technology. KTH, Centres, Science for Life Laboratory, SciLifeLab.ORCID iD: 0000-0003-3109-5551
Department of Cell and Molecular Biology, Karolinska Institutet, Stockholm, Sweden.
KTH, School of Engineering Sciences in Chemistry, Biotechnology and Health (CBH), Gene Technology. KTH, Centres, Science for Life Laboratory, SciLifeLab.ORCID iD: 0000-0002-4773-9975
Show others and affiliations
(English)Manuscript (preprint) (Other academic)
National Category
Biomedical Laboratory Science/Technology
Identifiers
URN: urn:nbn:se:kth:diva-310911OAI: oai:DiVA.org:kth-310911DiVA, id: diva2:1651147
Note

QC 20220412

Available from: 2022-04-11 Created: 2022-04-11 Last updated: 2022-06-25Bibliographically approved
In thesis
1. Exploring Biological Systems using Spatial Transcriptomic Technologies
Open this publication in new window or tab >>Exploring Biological Systems using Spatial Transcriptomic Technologies
2022 (English)Doctoral thesis, comprehensive summary (Other academic)
Abstract [en]

The transcriptome and the cells’ spatial organization are important determinants for the functions of biological systems, such as a tumor, brain, or skin tissue. Single-cell RNA sequencing (scRNA-seq) has emerged as a powerful tool for profiling the transcriptome of individual cells. The nuanced characterization of cell types and states enabled by scRNA-seq has revolutionized our understanding of biological systems. However, these methods rely on the dissociation of tissues into single cells whereby spatial context is lost. Recent advancements have resulted in technologies that retain and associate spatial information with the gene expression of tissues, which has permitted the delineation of biological systems at an unprecedented level. The Spatial Transcriptomics (ST) technology offers transcriptome profiling across thousands of subareas of a tissue section by capturing mRNA in situ and sequencing ex situ.

In Paper I, ST was used to explore heterogeneity in lymph node metastases of human cutaneous malignant melanoma. A data-driven analysis approach revealed inter- and intratumor heterogeneity in the examined tumor tissue, whereas the stromal tissue exhibited similar gene expression across patients. Paper II presents an integration of ST, scRNA-seq, and spatial protein analysis to characterize human cutaneous squamous cell carcinoma. The spatial resolution of ST is not at the single-cell level; however, this multimodal approach allowed for the identification of tumor subpopulations and revealed the niches in which they reside. In Paper III, ST and scRNA-seq data were generated to build an atlas of human skin. The combined data was used to map cell-type abundance and intercellular communications in homeostasis. Moreover, cell-of-origin analysis allowed for the identification of candidate cell types accountable for human genetic skin diseases. Paper IV introduces Spatial VDJ, a technique for spatial analysis of B and T cell antigen receptor transcripts, hence determining the position of lymphocyte clones. The spatial VDJ technique was applied to human tonsil and human breast cancer tissues, and this revealed enrichment of immunoglobulin clones in distinct spatial regions. Finally, Paper V explores an alternative protocol for ST that uses long-read sequencing to enable spatial isoform profiling in tissue sections. The protocol was applied to mouse brain and identified genes with spatially distinct alternative isoform expression. Additionally, the full-length transcript information was used to explore RNA editing events across different anatomical regions of the mouse brain.

Abstract [sv]

Transkriptomet och det spatiala arrangemanget av celler är avgörande faktorer för funktionerna inom biologiska system, såsom en tumör, hjärna eller hudvävnad. Singel-cell RNA sekvensering (scRNA-seq) har visat sig vara ett kraftfullt verktyg för att profilera transkriptomet av individuella celler. Den nyanserade karakteriseringen av celltyper och celltillstånd som möjliggörs av scRNA-seq har revolutionerat vår förståelse av biologiska system. Dessa metoder utgår dock från att vävnad dissocieras till enskilda celler, vilket medför att den spatiala kontexten går förlorad. Framsteg har på senare tid resulterat i teknologier som bevarar och associerar spatial information med genuttrycket av vävnader, vilket gjort att biologiska system kunnat skildras på en nivå som inte varit möjlig tidigare. Med teknologin Spatial Transcriptomics (ST) erhålls transkriptomprofilering från tusentals delområden av ett vävnadssnitt genom att mRNA fångas in situ och sekvenseras ex situ. 

I Artikel I användes ST för att utforska heterogenitet i lymfkörtelmetastaser av humant malignt melanom i huden. En datadriven analysmetod avslöjade inter- och intratumoral heterogenitet hos den undersökta tumörvävnaden, medan den stromala vävnaden uppvisade liknande genuttryck mellan patienter. Artikel II presenterar en integrering av ST, scRNA-seq och spatial proteinanalys för att karakterisera human skivepitelcancer i huden. ST- teknologins spatiala upplösning är inte detaljerad nog att vara på singelcellnivå, men detta multimodala tillvägagångssätt möjliggjorde identifiering av olika tumörsubpopulationer och avslöjade nischerna de finns i. I Artikel III genererades ST- och scRNA-seq-data för att bygga en atlas av human hud. De kombinerade datatyperna användes för att kartlägga celltypssammansättning och intercellulär kommunikation i homeostas. Därtill identifierades celltyper som driver genetiska hudsjukdomar. Artikel IV introducerar Spatial VDJ, en teknik för spatial analys av B- och T-cellers antigenreceptortranskript, och därmed bestämning av lymfocytkloners position. Spatial VDJ applicerades på human tonsill- och bröstcancervävnad och avslöjade anrikning av immunglobulinkloner i distinkta regioner. Slutligen utforskar Artikel V ett alternativt protokoll för ST som sekvenserar hela transkriptens längd för att möjliggöra spatial isoformprofilering i vävnadssnitt. Protokollet testades på mushjärna och identifierade gener med lokalt varierande isoformuttryck. Dessutom kunde informationen från transkriptens fulla längd användas för att utforska RNA-redigering över olika regioner i mushjärnan. 

Place, publisher, year, edition, pages
Stockholm, Sweden: KTH Royal Institute of Technology, 2022. p. 93
Series
TRITA-CBH-FOU ; 2022:27
Keywords
Spatial Transcriptomics, single-cell RNA-seq, scRNA-seq, spatial VDJ, Spatial Isoform Transcriptomics
National Category
Natural Sciences
Research subject
Biotechnology
Identifiers
urn:nbn:se:kth:diva-310918 (URN)978-91-8040-203-3 (ISBN)
Public defence
2022-05-13, Air and Fire, Tomtebodavägen 23A, Solna, 10:00 (English)
Opponent
Supervisors
Note

QC 2022-04-11

Available from: 2022-04-11 Created: 2022-04-11 Last updated: 2022-09-20Bibliographically approved

Open Access in DiVA

No full text in DiVA

Authority records

Thrane, KimAndersson, AlmaSaarenpää, SamiLagergren, JensLundeberg, Joakim

Search in DiVA

By author/editor
Thrane, KimAndersson, AlmaSaarenpää, SamiLagergren, JensLundeberg, Joakim
By organisation
Gene TechnologyScience for Life Laboratory, SciLifeLabComputational Science and Technology (CST)
Biomedical Laboratory Science/Technology

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 1725 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf