多细胞空间转录组也能拆到单细胞:st2sc用注意力梯度流定位细胞,再逐基因回归计数
核心概要
空间转录组的每个检测点往往混合多个细胞的信号,此前方法多依赖细胞类型预测或外部单细胞参考,对单个细胞绝对基因计数的估计仍不准确。st2sc把细胞识别与基因计数拆成两步:先从视觉-基因Transformer的注意力图中用梯度流追踪找出候选细胞,再用按基因训练的一组回归器在弱监督下预测每个细胞的表达计数。在基于Xenium乳腺癌数据构建的类Visium模拟上,其逐细胞均方误差为3.6833,低于SpatialScope的18.2552和scResolve的65.3402;在Visium HD的2微米争议bin上,18.6%的测试bin两类细胞都拿到了各自的标记计数。
深度剖析
多细胞分辨率的空间转录组数据可以被拆解为单个细胞的基因表达计数,而不只是给出细胞类型比例。 此前的SpatialScope依赖匹配的外部单细胞参考,scResolve依赖方法自身的元基因等参数,两者都以细胞类型预测的相对准确性为主要指标,而非推断基因计数的绝对准确性。 在由10x Xenium FFPE人乳腺数据构建的类Visium模拟上(3,971个检测点、313个基因),st2sc的逐细胞均方误差为3.6833,SpatialScope为18.2552,scResolve为65.3402。
细胞位置直接从组织学图像的注意力图中读出,不需要预设背景阈值。 传统基于图像的梯度流追踪需要先做背景阈值分割,阈值选择会带来性能偏置。 在类Visium模拟中,st2sc识别出49,242个细胞,占中心落在检测点内的细胞的69.5%,SpatialScope为39,326个(55.5%),scResolve为19,687个(27.8%)。
每个基因由一个独立的小型回归器预测,各细胞的预测相加后与检测点观测值对齐,从而在只有检测点级标签的情况下训练。 检测点级表达是多个细胞表达之和,单个细胞的计数没有直接监督信号。 回归器使用对离群值更稳健的Huber损失,在类Visium模拟上细胞类型准确率为69.50%、逐检测点细胞类型相关为0.8911,SpatialScope为52.77%和0.8584,scResolve为65.72%和0.7534。
启示与展望
评估覆盖三类数据:由Xenium人乳腺数据构建的类Visium模拟(3,971个检测点、313个基因)、小鼠小肠Visium HD的2微米表达bin,以及一例人IPF下叶Visium样本(2,633个检测点、17,956个基因)。Visium HD上没有真实的计数归属标签,因此以细胞类型标记基因落入对应细胞的比例作为代理指标。
注意力梯度流追踪的后处理并不能完全去除虚假实例,也不能合并所有碎片化实例;作者提出可利用角度图做进一步后处理,并指出当前模型只是显示出捕捉细胞边界的潜力,尚未实现精确分割。
