跳到主要内容
返回时间线
bioRxiv来源发表:

CIRCA把细胞与微环境拆成可辨识程序:无需预设基因集,也能读出组织病理下的相互作用

核心概要

空间转录组能同时测到每个细胞及其邻近细胞的基因表达,但常规非线性模型学到的隐表示不唯一,同一批观测可由多套潜变量解释。CIRCA把中心细胞与邻域当作两组特征,用分组因果表示学习在明确假设下联合学习可辨识的细胞级与邻域级转录程序及其有向相互作用,并可选纳入病理测量。在七个细胞分辨率数据集上,CIRCA在六个数据集取得最高生物学准确率,在全部五个多切片数据集取得最高综合得分;在阿尔茨海默病小鼠模型中,加入淀粉样斑块病理后解析出四个区域特异的斑块微环境。

Source-provided article image: CIRCA learns identifiable cell- and niche-level programs and their interactions with tissue pathology from spatial transcriptomics
Figure 1 · bioRxiv · 第 39 页

深度剖析

CIRCA把空间转录组中的每个细胞和它的局部邻域当作两组彼此独立取样、又相互作用的特征,从而同时得到细胞级与邻域级两套转录程序,以及连接这两套程序的有向相互作用结构。 此前的空间方法多把基因表达与空间邻近性结合来划分空间域和细胞微环境,或建模微环境对细胞表达的影响,但很少同时学习转录程序本身及其相互作用;依赖通路和细胞通讯数据库的路线又受限于已有知识,其自编码器得到的程序也不保证唯一。 在覆盖多种技术与33至6000个基因面板的七个数据集上,与BANKSY、SEDR、GraphST、Novae和NicheCompass五种方法比较,CIRCA在七个数据集中的六个取得最高生物学准确率,在其余一个排名第二,并在全部五个多切片数据集取得最高综合得分。

模型不需要预设基因集或相互作用数据库,就能给出可重复、可解释的转录程序,并用积分梯度把每个潜因子归因到基因和通路上。 常规自编码器等非线性表示学习存在不可辨识问题:即使数据无限,也可能有多套不同的潜表示解释同一批观测,因此学到的因子未必能稳定对应到具体生物学程序。 在阿尔茨海默病小鼠模型的CosMx数据上,50个细胞级因子中39个、50个邻域级因子中44个在三次独立训练的至少两次中复现,复现因子的平均绝对Spearman相关分别为0.70和0.72;两个病理相关因子在三次运行中均被恢复,平均绝对相关为0.98。

启示与展望

展示范围是七个用于基准的细胞分辨率空间转录组数据集,以及阿尔茨海默病小鼠模型CosMx数据和人类结直肠癌Visium HD数据两个生物学应用;前者含四只18月龄AppNL-G-F敲入小鼠的海马切片,后者含三个肿瘤切片与两个癌旁正常切片。读者对象是需要从空间转录组中提取可解释程序与微环境结构的研究人员。

可辨识性保证依赖对数据生成过程的假设,这些假设在真实组织中未必成立;即使成立,理论可辨识也不保证有限样本下准确恢复潜因子与相互作用,因此推断的相互作用不能确认为真实数据中的因果关系。切片内的系统性技术变异也可能被潜因子捕获。许多可用数据集个体数较少,限制了因子或空间微环境与患者层面表型的关联评估及结论外推;阿尔茨海默病分析限于小鼠模型,所识别的斑块相关程序及区域差异未必完全适用于人类病理。