跳到主要内容
返回时间线
bioRxiv来源发表:

细胞不再靠邻居定义:SpaCState用转录本三维重建学出单个细胞的空间状态

核心概要

识别空间组织的细胞群体此前主要依赖由邻近细胞构成的微环境,单个细胞自身的分子表征能否承载这类信息一直未定。SpaCState把每个细胞表示为带基因标签的转录本三维点云,用旋转等变神经网络重建细胞三维形状,由此得到转录本嵌入并汇总为细胞级表示Spatialstate。在MERFISH人子宫癌样本中,该嵌入与基因表达结合后对CD45RO蛋白强度的预测优于单用基因表达和基于微环境的嵌入;在肝癌与肺纤维化数据中,它标出了与坏死区、纤维化灶相关的空间细胞群体。

Source-provided article image: Learning spatial cellular state through 3D reconstruction of the cell
Fig. 1 · bioRxiv · 第 3 页

深度剖析

空间转录组分析多了一条不经过邻近细胞组成的路径:单个细胞内部的转录本排布本身就能给出可比较的细胞状态。 此前的空间细胞群体识别建立在细胞微环境之上,即按邻近细胞类型构成刻画每个细胞再聚类,单个细胞的分子表征能否独立承载空间组织信息此前没有答案。 在MERFISH人子宫癌样本的淋巴细胞上,把该嵌入与基因表达结合后预测CD45RO蛋白强度,表现优于单用基因表达,也优于NicheScope、CellCharter和BANKSY等基于微环境的嵌入。

做法是把细胞当成一团带基因标签的三维点,让网络从这团点重建出细胞占据的体积,重建任务本身逼出有用的转录本表示。 转录本嵌入由三维细胞形状重建这一几何目标训练得到,而不是直接预测输入的基因身份,后者因为基因身份已是输入特征而近乎平凡。 转录本编码器基于e3nn的旋转等变网络,在细胞内取最近邻转录本聚合相对位移;解码器把嵌入铺到规则体素网格上,用可操纵三维卷积预测占据场,以二元交叉熵与Dice损失联合训练,重建精度用体素IoU衡量。

启示与展望

演示范围限于成像型空间转录组数据:重建评估用MERFISH人肝癌与Xenium人乳腺癌,嵌入评估用带CD45RO共染的MERFISH人子宫癌,下游分析用MERFISH人肝癌与Xenium人肺纤维化样本。读者对象是处理亚细胞分辨率空间转录组的研究者。

如何确定合适的Spatialstate阈值仍不清楚;SPP1+与FABP4+巨噬细胞落在不同的Spatialstate取值区间,说明单一阈值可能不足以界定有生物学意义的细胞群体。二维直方图中的模式目前靠人工目视识别,高阶等变特征对细胞状态的单独贡献也尚难解释。