肿瘤克隆在切片上的位置不再只靠表达猜:SpOTr把进化树与空间距离对齐,模拟中克隆比例相关最高
核心概要
肿瘤的空间转录组数据以直径55微米的斑点为单位,每个斑点混合多个细胞,而解离单细胞数据能分辨克隆却丢失位置。SpOTr把斑点解卷积与融合Gromov–Wasserstein最优传输结合,用癌细胞进化树的距离去约束细胞落到哪些斑点,使树中相近的细胞被拉向相邻斑点。在模拟肿瘤中,它恢复的克隆比例在每种情景下都优于cell2location、DestVI、Tangram、scDOT以及仅用表达的传输方法;在PEtracer谱系示踪切片上,其克隆组成与真实原位读出一致性最好。
深度剖析
肿瘤切片上的癌细胞克隆现在可以借助进化关系定位,而不必只依赖基因表达差异。 此前的整合方法把斑点解卷积成参考细胞类型,或按表达把单个细胞映射到斑点,前提是目标群体有可区分的表达谱;肿瘤亚克隆的表达差异往往只有部分可遗传,这一前提不成立。 在按Cassiopeia出生–死亡过程模拟谱系、用scCube布置肿瘤巢的模拟肿瘤上,SpOTr在每种情景下恢复的斑点克隆组成都优于cell2location、DestVI、Tangram、scDOT,以及仅用表达的精确最优传输和同样距离矩阵的FGW;优势在克隆最难区分时最大,在克隆表达差异明显时仍最准确。
做法是把斑点解卷积和细胞到斑点的映射放在同一个目标里交替优化。 解卷积沿用cell2location的负二项模型,把每个斑点的计数拆成微环境细胞类型和癌细胞的贡献,其中克隆丰度由映射决定。 映射是一个熵最优传输问题,代价由三项组成:斑点在解卷积模型下的负对数似然、癌细胞与斑点表达谱的余弦距离,以及把树中细胞间距离与斑点间空间距离对齐的结构项;映射用Sinkhorn算法更新,解卷积参数用梯度下降更新到最大后验估计。
在真实数据上,结构项让方法给出仅靠表达解卷积得不到的亚克隆划分。 在PEtracer切片M3-4上,只有31%的肿瘤细胞带谱系读出,各方法按斑点中克隆比例评分;在HTAN结直肠肝转移病例HT260C1上,以cell2location为基线。 PEtracer切片上SpOTr在四项指标上逐克隆最接近真实原位读出,而DestVI把多数肿瘤斑点归给单一克隆、Tangram与scDOT把克隆铺满整个肿瘤;HT260C1中SpOTr比cell2location更清楚地区分B1与B2,并把未作为标签给出的B1a与B1b放到与斑点CNA信号一致的位置。
启示与展望
演示范围包括模拟肿瘤、PEtracer谱系示踪切片构建的合成Visium斑点,以及HTAN病例HT260C1的结直肠肝转移切片;HT260C1没有谱系读出,其亚克隆位置以留出基因的CNA信号作为参照。读者对象是需要把解离单细胞数据与斑点级空间转录组对齐的肿瘤与计算方法研究者。
方法假设每个克隆在解离样本与切片中的比例相同,当两部分取自肿瘤不同区域时这一假设可能不成立;结构项的重要性α由用户设定而非从数据学习,克隆在切片上分散时较高的α会把它们的细胞错误地拉在一起,模拟中把这类克隆的权重设为零可改善其映射。作者提出从数据学习各克隆权重并把树的不确定性传播进来作为后续扩展。
