임현준 (서울대학교)

이재규 (서울대학교)

임현준 (서울대학교)

이재규 (서울대학교)

Spatial Multi-omics in Co-registered Tissue using Multi-modal Mass Spectrometry Imaging  

Hyunjoon Yim¹, Jae Kyoo Lee1,2,3

1Department of Applied Bioengineering, Graduate School of Convergence Science and Technology, Seoul National University, Seoul, Korea

2Research Institute for Convergence Science, Seoul National University, Seoul, Korea

3Interdisciplinary Program in Artificial Intelligence, Seoul National University, Korea

hjune1104@snu.ac.kr

Recent advances in the integration of spatial multi   omics for conducting multidimensional information measurements is opening a new chapter in biological research. Mapping the distributions of RNAs, metabolites, lipids, proteins, and their interactions provides a comprehensive view of molecular phenotypes in tissues. However, averaging signals across adjacent tissue sections can obscure molecular heterogeneity and mask biologically meaningful spatial pattterns. Section-to-section variability further complicates data integration. We developed a method for constructing spatial multi-omics profiles, including transcriptomics, metabolomics, lipidomics, and proteomics from a single tissue. This spatial multi-omics mapping was constructed by sequentially acquiring lipid and metabolite maps using Desorption Electrospray Ionization Mass Spectrometry Imaging, transcriptome maps using Fluorescence In Situ Hybridization, and protein maps using Matrix‑Assisted Laser Desorption/ionization Mass Spectrometry Imaging. Applied to mouse brain tissue, this approach profiled the spatial distributions of mRNAs, lipids, proteins, and metabolites associated with MBP and myelinated neural circuits. Compared to averaging across multiple tissue sections, which distorted molecular abundances and spatial patterns, single-section spatial multi-omics revealed the true native molecular distributions of each omics profiles within the tissue. This study shows that spatial multi‑omics on a single tissue section not only improves the accuracy of molecular co‑localization, but also preserves native spatial relationship between different omics layers despite of sample to sample variation.