دینامیک کاردیوژنز انسانی و اختلال آن در تریزومی 21

پویایی رشد شامل مشخص کردن انواع سلول های متنوع و سازماندهی فضایی آنها در سوله های چند سلولی است. در اینجا ما مولتیومیک های تک سلولی و فضایی را برای تعریف 21 حفره بافتی متمایز در قلب در حال توسعه ترکیب می کنیم، که از آنها برای ایجاد یک ابزار طبقه بندی طاقچه آگاه از زمینه و وضوح-آگنوستیک (TissueTypist) استفاده می کنیم. با استفاده از پروفایل فضایی با وضوح بالا برای گره سینوسی دهلیزی در حال توسعه، ما سه زیرگروه سلول ضربان ساز را که در امتداد یک محور خطی قرار گرفته اند، حل می کنیم.

خرده‌جمعیت‌های سه ماهه اول، مانند سلول‌های ضربان ساز در شاخ سینوسی و ناحیه سر گره سینوسی دهلیزی، برنامه‌های جذب عصبی را نمایش می‌دهند و از طریق فعل و انفعالاتی که شامل سیگنال دهی اف-افرین و سمافورین-پلکسین است، با نورون‌های پاراسمپاتیک تعامل دارند. مسیرهای زمانی بلوغ کاردیومیوسیت‌های دهلیزی و بطنی را ترسیم می‌کنند و یک سوئیچ متابولیک چربی و تنظیم‌کننده‌های کلیدی بالقوه هویت نوع سلولی را کشف می‌کنند.

در بطن، ما گرادیان‌های سلولی و رونویسی را در امتداد هر دو محور شبه‌زمان و ترانس‌مورال شناسایی می‌کنیم، که بینش مولکولی را در مورد تراکم و بلوغ میوکارد ارائه می‌کند. پروفایل مقایسه ای نشان داد که قلب های مبتلا به تریزومی 21 در کاردیومیوسیت های فشرده تهی شده اند و نسبت به قلب های اوپلوئیدی آپوپتوز افزایش یافته اند. این یافته در تریزومی 21 منطبق بر ایزوژن و کاردیومیوسیت های یوپلوئید مشتق شده از سلول های بنیادی پرتوان القایی تایید شد.

این اختلالات اولیه رشد ممکن است به افزایش خطر بیماری قلبی مادرزادی مرتبط با سندرم داون کمک کند. به طور خلاصه، ما یک چارچوب حل‌شده فضایی از رشد قلب انسان را ارائه می‌کنیم تا کاوش‌های سیستماتیک در زمینه‌های رشد در سلامت و بیماری را امکان‌پذیر سازد.

کاردیوژنز انسانی نیازمند تعاملات هماهنگ بین انواع سلول های مختلف است که از مزودرم قلبی و تاج عصبی منشا می گیرند. این جمعیت ها فرآیندهای کلیدی مانند تشکیل گره سینوسی دهلیزی (SAN)، ضربان ساز اولیه قلب، و بلوغ کاردیومیوسیت ها را تنظیم می کنند. این مکانیسم ها به سازماندهی مکانی و زمانی دقیق حالات سلولی و ادغام آنها در سوله های چند سلولی بستگی دارد که مورفوژنز و بلوغ عملکردی را هدایت می کند.

اگرچه اختلالات ژنتیکی، اپی ژنتیکی و محیطی می‌توانند این فرآیندها را مختل کنند، که می‌تواند منجر به بیماری قلبی مادرزادی (CHD) شود، مکانیسم‌های سلولی و فضایی زیربنایی به طور کامل شناخته نشده است. قابل توجه، افزایش قابل توجه بروز CHD در تریزومی 21 (T21) حساسیت رشد قلبی را به تغییر دوز ژن نشان می دهد. علیرغم شناسایی چندین ژن مرتبط با CHD، یک دیدگاه جامع از چگونگی ظهور و سازماندهی اختلالات مولکولی و سلولی اولیه در طول رشد قلب انسان وجود ندارد.

اگرچه کاردیومیوسیت‌های مشتق‌شده از سلول‌های بنیادی پرتوان انسانی، بینش‌هایی را در مورد جنبه‌های هویت و بلوغ کاردیومیوسیت ارائه کرده‌اند، اما آنها به‌طور کامل توسعه in vivo را خلاصه نمی‌کنند، به ویژه با توجه به سازمان بافت و تنوع سلولی. تلاش‌های اخیر برای نمایه‌سازی قلب جنین با استفاده از روش‌های ترانسکریپتومیک و اومیکس فضایی، الگوهای بیان ژن فضایی و ناهمگونی نوع سلولی را نشان داده است. 7، 8، 9، 10. با این حال، این مطالعات به طور کلی در پوشش توسعه، تفکیک فضایی یا روش انواع داده ها محدود بوده است.

علاوه بر این، روش های قوی برای شناسایی و حاشیه نویسی سوله های سلولی در قلب در حال توسعه، با استفاده از وضوح های مختلف داده های omics فضایی، هنوز ایجاد نشده است. در نتیجه، نیاز روشنی به اطلس‌های جامع، چندوجهی و با تفکیک فضایی وجود دارد که می‌توانند برای تجزیه و تحلیل دینامیک سلولی و مولکولی رشد قلب انسان مورد استفاده قرار گیرند.

در اینجا برای پرداختن به این شکاف‌های دانش، ما یک اطلس چندوجهی حل‌شده فضایی از قلب انسان در حال رشد از 4 تا 20 هفته پس از بارداری (PCW) می‌سازیم، داده‌های ترانویسی تک سلولی 11 را با ATAC تک هسته‌ای جفت شده با توالی‌یابی (snATAC-seq) و رونویسی فضایی ادغام می‌کنیم. ما 21 سوله بافت را مشخص می‌کنیم و TissueTypist را معرفی می‌کنیم، یک طبقه‌بندی سلسله مراتبی برای حاشیه‌نویسی سوله‌ها در وضوح‌های فضایی، که در مقایسه با بافت‌شناسی و مجموعه‌های داده‌های مستقل محک‌گذاری شده است.

سیستم‌های مختصات مشترک، سازمان‌های بین دیواری بطنی را با استفاده از OrganAxis 12 و پیشرفت فضایی زیرگروه‌های پیس میکر SAN و ورودی‌های پاراسمپاتیک را ضبط می‌کنند. در نهایت، مقایسه قلب‌های اپلوید و T21 همسان با سن، کاهش کاردیومیوسیت‌های بطنی فشرده (vCMs) و افزایش آپوپتوز را در قلب‌های T21 نشان می‌دهد. این نتیجه توسط آزمایش‌هایی با استفاده از یک مدل ایزوژنیک از قلب‌های T21 مشتق شده از سلول‌های بنیادی پرتوان القایی (iPS) پشتیبانی می‌شود.

به طور کلی، این مطالعه یک منبع اساسی و چارچوب تحلیلی برای رمزگشایی توسعه قلبی انسان و اختلالات آن در اختلالات مادرزادی ارائه می‌کند.

ما قلب‌های جنین اپلویدی را با 4 تا 20 PCW با توالی‌یابی RNA تک سلولی (scRNA-seq) 11، 13، توالی‌یابی RNA تک هسته‌ای جفتی (snRNA-seq) و ATAC-seq (Multiome، 10x Genomics, Fig. شکل 1a، جداول تکمیلی 1 و 2 و شکل تکمیلی 1). پس از کنترل کیفیت، 297473 سلول و هسته حفظ شد. داده های فضایی شامل 32 منطقه ضبط از 10 قلب، از جمله تعریف استاندارد Visium (SD؛ 55 میکرومتر)، کیفیت بالا Visium (HD؛ 2 میکرومتر) و مجموعه داده های Xenium (شکل 1a) بود.

الف، شماتیک مطالعه. scRNA-seq، snRNA-seq 11، 13، Multiome تک هسته ای و مجموعه داده های رونویسی فضایی از 26 نمونه قلب جنین euploid انسان که 4 تا 20 PCW را در بر می گیرد و با مجموعه داده های قلب T21 از 11-14 PCW برای تجزیه و تحلیل مقایسه ای ادغام شدند، تولید شدند. یک دایره سیاه بدون شماره نشان دهنده یک اهداکننده است، در حالی که یک دایره شماره دار تعداد اهداکننده را در آن نقطه زمانی نشان می دهد. ب، تطابق بین پروفایل‌های دسترسی رونوشت و کروماتین در انواع سلول‌های ریزدانه.

نقشه حرارتی فواصل اقلیدسی دوتایی بین پروفایل های میانه نوع سلولی در فضای بیان ژن (مثلث بالا، قرمز) و فضای امتیاز دسترسی به ژن (مثلث پایین، آبی) را نشان می دهد. رنگ‌های لبه نشان‌دهنده دسته‌های نوع سلولی با دانه متوسط ​​هستند. تطابق با استفاده از آزمون Mantel دو طرفه با همبستگی اسپیرمن و 999 جایگشت (r = 0.76، P = 0.01) ارزیابی شد. ج، شماتیک گردش کار تحلیل فضایی برای مجموعه داده های Visium SD و Visium HD. نقاط Visium SD deconvoluted شدند، در حالی که سطل‌های Visium HD 2 میکرومتری در سلول‌های فرضی جمع شدند.

d، UMAP سلول های مشتق از Visium-HD، رنگ آمیزی بر اساس نوع سلول اصلی. ناحیه چین دار نشان دهنده aCM های مورد استفاده برای تجزیه و تحلیل سلول های ضربان ساز پایین دست است. e، UMAP سلول‌های ضربان ساز SHOX2 + از ناحیه سینوسی دهلیزی (SA)، که زیرجمعیت‌های شاخ سینوسی، سر SAN و دم SAN را با ژن‌های نشانگر نشان داد (داده‌های توسعه یافته شکل 2d,e). f، محلی‌سازی فضایی زیرجمعیت‌های ضربان ساز. اینست ها مناطق SA و سازمان را در امتداد مجرای ورودی و ورید اجوف فوقانی (SVC) نشان می دهند.

g، تخمین فراوانی کاردیومیوسیت‌های فشرده و ترابکول‌شده در بطن چپ یک بخش Visium SD نماینده. سازمان کاردیومیوسیت فشرده و ترابکول قابل مقایسه در مجموعه داده های Visium SD از چهار اهداکننده یوپلوید مستقل مشاهده شد. h، شماتیک ساختارهای رشدی بطن چپ (LV) که بر روی یک چارچوب مختصات بین دیواری مشترک (CCF) نگاشت شده است. i، فراوانی سلولی عادی در امتداد محور ترانس دیواری بطن چپ در طول سن رشد.

میله‌های مقیاس، 1 میلی‌متر (c، f (پایین سمت چپ)، g، h)، 0.5 میلی‌متر (f، بالا چپ و وسط سمت چپ) یا 0.1 میلی‌متر (f، بالا سمت راست، وسط راست و پایین سمت راست). CM ها، کاردیومیوسیت ها؛ EC، سلول اندوتلیال. برای تمام شکل ها، اختصارات انواع سلول های ریز دانه در جدول تکمیلی 3 فهرست شده است. تصاویر در a، c و h ایجاد شده در BioRender. Kanemaru، K. https://biorender.com/j7m5q1g (2026).

حاشیه نویسی های نوع سلولی از مطالعه همراه ما 11 منتقل شد که یک سیستم سلسله مراتبی سه سطحی را تعریف می کند: 6 برچسب دانه درشت، 14 برچسب دانه متوسط ​​و 63 برچسب ریز دانه (جدول تکمیلی 3). از هسته‌هایی که در معرض توالی‌یابی چندومی قرار گرفتند، 167022 مورد از 11 قلب (شامل 4 تا 20 PCW) نیز کنترل کیفیت ATAC-seq (داده‌های توسعه‌یافته شکل 1b) را با حاشیه‌نویسی‌های نوع سلولی که از برچسب‌های مشتق شده از RNA به ارث برده بودند، گذراندند. نواحی قابل دسترسی به کروماتین (قله ها) برای هر نوع سلول ریزدانه شناسایی شد و اتحاد آنها در مجموع 508040 پیک را به همراه داشت.

به طور کلی، 66% از این پیک ها با عناصر رگولاتوری cis-regulatory نامزد ENCODE (رجیستری نسخه 3) - که به صورت بیش از 100 جفت پایه تعریف می شوند - همپوشانی داشتند. ما تطابق قوی بین پروفایل های ATAC و RNA مشاهده کردیم. به طور مفصل، انواع سلول‌های تعریف‌شده از طریق رونویسی به طور مشخص در تعبیه تقریب و طرح ریزی منیفولد ATAC (UMAP) از هم جدا شدند (داده‌های توسعه‌یافته شکل 1b). علاوه بر این، یک تست Mantel که ماتریس‌های فاصله بین نوع سلولی را بین روش‌های RNA و ATAC مقایسه می‌کند، یک همبستگی قوی را نشان داد (r = 0.76؛ شکل 1b).

این داده ها از تطابق بین مناظر دسترسی رونویسی و کروماتین پشتیبانی می کنند.

برای ترسیم توزیع فضایی سلول‌ها، استراتژی‌های تحلیلی متمایز را برای Visium SD و مجموعه داده‌های فضایی با وضوح بالا اتخاذ کردیم (شکل 1c). Cell2location 15 برای نقشه‌برداری فراوانی نوع سلول به نقاط Visium SD در بخش‌های 4-20 PCW استفاده شد. داده‌های Visium HD از نمونه‌های قلب 5، 6 و 9 PCW از سطل‌های 2 میکرومتری به سلول‌ها با استفاده از bin2cell 16 ادغام شدند.

برای پرداختن به سیگنال‌های سلول مختلط ناشی از تقسیم‌بندی یا اشتراک‌گذاری رونوشت محلی، حاشیه‌نویسی ترکیبی مبتنی بر مرجع را با استفاده از TACCO 17، با استفاده از داده‌های RNA-seq و snRNA-seq تک سلولی منطبق و تک‌تک‌های فضایی با اطمینان بالا (توسعه داده‌ها شکل 2a,b) به کار بردیم، که سلول‌های 213 Vii13, HD87 را تولید کرد. یک الگوریتم قطعه‌بندی سلولی مبتنی بر مورفولوژی چندوجهی (10x Genomics) و TACCO به طور مشابه 362277 سلول Xenium را از 9 و 16 نمونه قلب PCW تولید کردند (داده‌های توسعه یافته شکل 2c). ما انواع سلول های ریز دانه را از طریق حاشیه نویسی دستی مبتنی بر نشانگر حاشیه نویسی کردیم.

انواع سلول های شناسایی شده با داده های تک سلولی و تک هسته ای سازگار بود (داده های توسعه یافته شکل 2b).

تجزیه و تحلیل تک سلولی مجموعه داده Visium HD تقریبا 3300 سلول ضربان ساز را در مناطق SAN شناسایی کرد. زیرخوشه‌سازی این سلول‌ها سه زیرجمعیت مجزا را نشان داد که نشانگرهای مربوط به سلول‌های ضربان‌ساز شاخ سینوسی (SHPCs)، سر SAN (سلول‌های SANPC-Hd) و دم SAN (سلول‌های SANPC-Tl) 18 را بیان می‌کنند (شکل 1e و داده‌های گسترده شکل 2d,e). اگرچه زیرگروه‌های سلول‌های ضربان‌ساز جنین انسان اخیرا با استفاده از snRNA-seq 19 مشخص شده‌اند، مجموعه داده ما یکی از اولین مواردی است که آنها را به ساختارهای مربوطه خود ترسیم کرده و حاشیه‌نویسی آنها را تأیید می‌کند (شکل 1f).

در مجموعه داده Xenium-5K، اگرچه زیرجمعیت‌های سلول‌های ضربان‌ساز را نمی‌توان با پانل ژن حل کرد، سلول‌های ضربان ساز SAN در مجاورت فضایی با انواع سلول‌های متعدد، از جمله سلول‌های عصبی، سلول‌های کرونری، فیبروبلاست‌ها و سلول‌های اپیکارد قرار داشتند. این نتیجه توانایی رونویسی فضایی با وضوح بالا را برای گرفتن سازماندهی سلولی در مقیاس خوب نشان می دهد (داده های توسعه یافته شکل 2f).

مجموعه داده Visium SD ما طیف وسیع تری از توسعه را نسبت به داده های Visium HD پوشش می دهد (شکل 1a). نقشه‌برداری فضایی جمعیت‌های فشرده و ترابکول‌شده vCM‌ها این حاشیه‌نویسی را تأیید کرد. یعنی، آنها همپوشانی ثابتی با ساختارهای بافتی مربوطه خود در تصاویر هماتوکسیلین و ائوزین (H&E) مربوطه نشان دادند (شکل 1g).

برای تجزیه و تحلیل انتقال فضایی و زمانی کاردیومیوسیت‌های فشرده و ترابکول‌شده در سراسر دیواره بطن، یک محور بین دیواره‌ای بین لایه‌های اپی‌کاردیال و اندوکاردیال بطن چپ با حاشیه‌نویسی دستی با استفاده از OrganAxis 12 تعریف کردیم (شکل 1h و داده‌های توسعه‌یافته شکل 2g). این فرآیند یک چارچوب مختصات فضایی مشترک برای مقایسه ویژگی‌ها، مانند ژن‌ها و فراوانی نوع سلول، در نقاط زمانی رشد و قلب‌ها با اندازه‌های مختلف ارائه می‌کند.

در طول توسعه، توزیع فراوانی کاردیومیوسیت‌های فشرده در امتداد این محور از یک توزیع فشرده در اپی‌کاردیوم به توزیع پراکنده‌تر نزدیک‌تر به سمت اندوکارد تغییر کرد، در حالی که یک تغییر معکوس برای کاردیومیوسیت‌های ترابکول‌شده مشاهده شد (شکل 1i). علاوه بر این، چگالی هسته‌ای در قلب‌های مسن‌تر، به‌ویژه در سمت مرز اپیکارد، بالاترین میزان بود (داده‌های توسعه‌یافته شکل 2h). در مجموع، این یافته ها نشان می دهد که جمعیت کاردیومیوسیت فشرده در قلب در طول سه ماهه دوم گسترش می یابد.

تجزیه و تحلیل سلسله مراتبی پیش‌بینی طاقچه سلولی داده‌های Visium HD با استفاده از CellCharter 20، 19 سوله قلبی منسجم فضایی را شناسایی کرد (شکل 2a و داده‌های توسعه یافته شکل 3a). به طور قابل‌توجهی، در منطقه SAN، خوشه‌بندی ریزدانه، زیر دامنه‌های متمایز مربوط به جمعیت سلول‌های ضربان ساز قبلا توصیف‌شده، از جمله نواحی مرتبط با شاخ سینوس، سر SAN و مناطق دم SAN را مشخص می‌کند. فراتر از SAN، این فریم ورک، جایگاه‌های متمایز آناتومیکی را در چندین منطقه حل کرد.

در مجرای خروجی، مجرای شریانی از سوله های عروق بزرگ مجاور جدا شده و با یک جمعیت سلولی عضله صاف مشخص مشخص می شود. در مناطق دریچه ای، یک طاقچه دریچه اختصاصی شناسایی شد که با colocalization سلول های بینابینی دریچه با سلول های اندوکارد مشخص شد. در میوکارد بطنی، یک سازمان لایه‌ای حل شد که کاردیومیوسیت‌های فشرده و ترابکول‌دار و اجزای سیستم هدایت بطنی را با الگوهای سازگار در سراسر مراحل رشد متمایز می‌کرد.

این نتایج با هم نشان می‌دهند که چارچوب مبتنی بر طاقچه، هم تخصص منطقه‌ای و هم سازماندهی بافت سلسله مراتبی را در قلب انسان در حال رشد نشان می‌دهد (شکل 2a). برای ارزیابی اعتبار بیولوژیکی این سوله‌های محاسباتی تعریف‌شده، توزیع فضایی آن‌ها را با حاشیه‌نویسی‌های بافت‌شناختی منطبق برگرفته از تصاویر جفتی H&E مقایسه کردیم (داده‌های توسعه یافته شکل 3b,c).

این مقایسه تطابق قوی بین سوله‌های تعریف‌شده توسط CellCharter و مناطق تشریحی تعریف‌شده از نظر بافت‌شناسی را نشان داد، در نتیجه از توانایی آن برای گرفتن معماری بافت مرتبط فیزیولوژیکی پشتیبانی می‌کند.

یک، بالا، شماتیک حاشیه نویسی طاقچه با وضوح بالا با استفاده از Visium HD. سلول‌های قطعه‌بندی‌شده Bin2cell با استفاده از CellCharter با اطلاعات همسایگی فضایی، پس از خوشه‌بندی و خوشه‌بندی مجدد درون خوشه‌ای برای شناسایی 19 سوله سلولی تجزیه و تحلیل شدند. پایین، مناطق معرف از 6 و 9 نمونه قلب PCW با تصاویر H&E همسان، سوله های استنتاج شده و ترکیبات نوع سلولی نشان داده شده است. تعداد اهداکنندگان مستقلی که در آنها هر طاقچه شناسایی شده است در ج نشان داده شده است. b ، حاشیه نویسی طاقچه در Visium SD.

فراوانی نوع سلولی در هر نقطه با استفاده از دکانولوشن و به دنبال آن خوشه‌بندی برای تعریف 18 سوله سلولی برآورد شد. مناطق تشریحی نشان‌دهنده با تصاویر H&E، حاشیه‌نویسی طاقچه و توزیع‌های نوع سلولی استنباط‌شده نشان داده می‌شوند. تعداد اهداکنندگان مستقلی که در آنها هر طاقچه شناسایی شده است در ج نشان داده شده است. ج، سازماندهی سلسله مراتبی 7 طاقچه قلبی درشت دانه و 21 طاقچه ریزدانه. رنگ‌ها نشان‌دهنده برچسب‌های طاقچه‌های ریز هستند و به طور مداوم در سراسر پانل‌ها استفاده می‌شوند. عدم وجود دایره مدالیته نشان می دهد که طاقچه مربوطه در آن مدالیته شناسایی نشده است.

اعداد در دایره ها تعداد اهداکنندگان مستقلی را نشان می دهد که در آنها طاقچه مربوطه شناسایی شده است. اعداد در بهترین سطح حاشیه نویسی حل شده برای هر حالت نشان داده می شوند. د، شماتیک چارچوب TissueTypist. مدل های رگرسیون لجستیک با استفاده از بیان ژن از هر واحد فضایی، واحدهای فضایی مجاور و فاصله تا لبه بافت، سوله های تشریحی دانه درشت و ریزدانه را پیش بینی می کنند. e , پیش بینی TissueTypist در مجموعه داده مستقل MERFISH 9 . سوله های پیش بینی شده با بیان نشانگرهای منطقه SA نشان داده شده اند.

بیان ژن به صورت شمارش نرمال نشان داده می شود. f، پیش‌بینی TissueTypist در داده‌های Xenium. سوله‌های پیش‌بینی‌شده با محلی‌سازی‌های نوع سلولی مشروح مستقل مقایسه می‌شوند، که سازگاری بین پیش‌بینی‌های طاقچه و ترکیب سلولی در سراسر پلتفرم‌ها را نشان می‌دهد. میله‌های مقیاس، 1 میلی‌متر (a (ستون اول، بالا)، b، e (بالا سمت چپ)، f (بالا سمت چپ))، 0.5 میلی‌متر (a، ستون اول، پایین) یا 0.1 میلی‌متر (a، ستون دوم)، e (بالا سمت راست، وسط سمت چپ)، f (پانل‌های پایین چپ و راست)).

اتصال AV، اتصال دهلیزی بطنی؛ AVN، گره دهلیزی بطنی؛ DA-SMC، سلول ماهیچه صاف مجرای شریانی. IFT، مجرای ورودی؛ ParaN، نورون پاراسمپاتیک؛ کامپیوتر، سلول ضربان ساز؛ VCS، سیستم هدایت بطنی. تصاویر در b ایجاد شده در BioRender. Kanemaru، K. https://biorender.com/j7m5q1g (2026).

برای مجموعه داده Visium SD، ما خوشه‌بندی لیدن را بر روی یک فضای پنهان یکپارچه که از ماتریس فراوانی نوع نقطه به سلول مشتق شده بود انجام دادیم (شکل 2b و داده توسعه یافته شکل 4a). خوشه ها بر اساس ترکیب نوع سلولی و ویژگی های بافت شناسی که از طریق حاشیه نویسی متخصص تصاویر H&E مربوطه شناسایی شده اند، حاشیه نویسی شدند. این رویکرد نشانه‌های بیان ژن منسجم فضایی را نشان داد که در طول مراحل رشد حفظ شده‌اند، در نتیجه از سازگاری کلی مجموعه داده پشتیبانی می‌کنند (داده‌های توسعه‌یافته شکل 4a).

هر ساختار بافت مشروح در مجموعه داده Visium SD ترکیبی متمایز از فراوانی نوع سلولی را نشان می‌دهد که منعکس کننده سوله‌های چند سلولی منحصربه‌فرد است (داده‌های توسعه یافته شکل 4b). ماکروفاژهای مقیم بافت LYVE1 در ساختارهای مرتبط با عروق و اپی کاردیوم غنی شدند، در حالی که میوکارد فشرده بطنی فراوانی بالایی از سلول‌های عروق کرونر، از جمله سلول‌های اندوتلیال مویرگی و پری سیت‌ها را نشان داد.

به طور قابل‌توجهی، adventitia رگ‌های بزرگ برای پیش‌سازهای عصبی غنی‌شده بود، مطابق با افزایش مشخص شده در علائم جذب عصبی در سلول‌های ماهیچه صاف عروقی 11. مطابق با زمان‌بندی شناخته شده رشد، نورون‌های پاراسمپاتیک بیشتر از نورون‌های سمپاتیک در سراسر نواحی قلبی بودند، به‌ویژه در مراحل اولیه، با جمعیت‌های عصبی عمدتا در بافت‌های مرتبط با دهلیز (داده‌های توسعه‌یافته شکل 4c,d).

با هم، این مشاهدات نشان می‌دهند که ترکیبات سلولی متمایز در طول توسعه به صورت سوله‌های چند سلولی منسجم فضایی در سراسر مناطق قلبی سازماندهی می‌شوند. Visium HD معماری سلولی ریزدانه را با وضوح تقریبا تک سلولی حل می کند، در حالی که Visium SD پوشش تکمیلی را در بافت های وسیع تری فراهم می کند، که ویژگی های سازگار سازمان قلبی را در مقیاس ها ممکن می سازد.

ما TissueTypist (https://github.com/Teichlab/TissueTypist) را توسعه دادیم، یک طبقه‌بندی رگرسیون لجستیک که حاشیه‌نویسی‌های خاص را به مجموعه داده‌های فضایی جدید منتقل می‌کند. برای آموزش طبقه‌بندی‌کننده‌ای که در پلتفرم‌های Visium تعمیم می‌یابد، ما حاشیه‌نویسی‌های طاقچه را در Visium SD 3 prime، Visium SD فرمالین ثابت-پارافین جاسازی‌شده (FFPE) و Visium HD FFPE با استفاده از سلسله‌مراتبی از ۷ مجموعه داده‌های درشت دانه و ۲۱ سوله ریز (شکل گرم) یکپارچه کردیم. نمونه های فاقد وضوح برای حاشیه نویسی طاقچه ریز دانه، یک برچسب میانی مناسب را حفظ کردند.

برای اینکه داده‌های HD را به همان دانه فضایی SD برسانیم، سلول‌های HD را با استفاده از رویکرد پنجره کشویی در پنجره‌های شبه حجیم ادغام کردیم. مدل TissueTypist نه تنها بر روی امضاهای رونویسی ذاتی بلکه در مورد بیان همسایه و فاصله تا لبه بافت آموزش داده شد (شکل 2d). ما گردش کار پیش‌بینی را طوری طراحی کردیم که با مجموعه داده‌هایی با وضوح فضایی مختلف سازگار باشد.