编辑推荐：
空间转录组学虽能剖析组织微环境空间变化，但现有分析方法存在局限。研究人员开展 ONTraC（Ordered Niche Trajectory Construction）相关研究，构建出基于生态位的空间轨迹，揭示组织微环境变化规律。该研究为相关领域提供新视角，意义重大。
在生命科学的微观世界里，细胞的行为一直是科学家们深入探究的焦点。细胞的行为可不只是由自身特性决定的，它还与外部的组织微环境有着千丝万缕的联系。就像生活在不同社区的人会受到社区环境影响一样，细胞在不同的组织微环境中也会展现出不同的 “行为模式”。空间转录组学技术的出现，为科学家们打开了一扇新的大门，让他们有机会深入了解组织微环境的空间变化。然而，想要从这些复杂的数据中提取出有价值的生物学信息，却困难重重。
目前的分析方法存在不少问题。一方面，许多用于识别细胞邻域和空间域的方法，只能找到离散的空间模式，就像是用一把大梳子梳理头发，只能看到一些明显的结块，却忽略了头发之间细微的联系。另一方面，空间轨迹分析中常用的伪时间分析，虽然能对空间连续变化进行建模，但它在构建轨迹时主要依据基因表达模式的相似性，却把关键的空间信息给忽略了。后续一些改进的方法，虽然尝试加入空间信息，但还是无法从根本上解决细胞状态和空间连续性之间的矛盾。在这样的背景下，开展新的研究，找到一种更有效的方法来分析组织微环境的空间变化，就显得尤为重要。
来自美国西奈山伊坎医学院（Icahn School of Medicine at Mount Sinai）的研究人员 Wen Wang、Shiwei Zheng 等人开展了关于 ONTraC 的研究。他们的研究成果发表在《Genome Biology》上，为解决上述问题带来了新的希望。研究人员提出了 ONTraC 这一基于图神经网络的框架，用于在生态位水平构建空间轨迹。该研究得出结论，ONTraC 能够有效捕捉正常解剖结构和疾病相关的组织微环境变化，还能识别出组织微环境依赖的基因表达、调控网络和细胞 - 细胞相互作用模式的变化。这一成果意义重大，它为深入了解组织微环境的结构和功能组织提供了有力的工具，有助于科学家们进一步探究细胞行为与组织微环境之间的关系，为疾病的诊断、治疗和发育生物学等领域的研究提供新的思路和方法 。
在这项研究中，研究人员用到了几个主要的关键技术方法。首先是利用 dyngen 生成模拟的空间转录组数据，包括单细胞基因表达数据矩阵和空间坐标分配，以此来模拟不同的细胞谱系关系和空间模式。其次，运用图卷积神经网络（Graph Convolutional Network，GCN），将空间和细胞类型组成信息进行整合编码。再者，采用修改后的图池化方法来识别生态位簇及其空间关系，最终构建出生态位轨迹（Niche Trajectory，NT） 。
一、ONTraC 构建生态位轨迹的性能评估
研究人员将 ONTraC 应用于四个模拟数据集进行性能评估。在模拟数据集 1 中，它成功重现了生态位组织的空间模式，细胞水平的 NT 分数与真实值之间的相关性高达 0.99。通过改变潜在空间维度、GCN 层数等关键参数重复分析，结果显示 ONTraC 能产生稳定且可重复的结果。与其他方法对比，如 destiny、Monocle 3 等伪时间分析方法，以及 SpaceFlow 和 SpatialPCA 等结合空间信息的方法，ONTraC 在空间轨迹重建上表现更准确，即使面对复杂的空间模式和细胞谱系关系，也能脱颖而出。
二、剖析小鼠运动皮层的空间结构
研究人员运用 ONTraC 分析小鼠运动皮层的 MERFISH 数据集。该数据集包含 64 个组织切片和大约 280,000 个细胞。通过 ONTraC 构建的 NT 准确揭示了皮层的层状结构，从外层向内层逐渐推进，层边界的变化也清晰呈现。细胞类型组成沿着 NT 连续变化，不同层特异性细胞类型在特定区域富集。此外，通过分析发现细胞水平的 NT 分数与皮层深度高度相关，这一结果比以往仅针对 IT 神经元的分析更全面、更可靠，也证明了 ONTraC 在分析真实生物数据集时的有效性。
三、揭示发育中背侧中脑的细胞状态变化
为探究组织微环境在细胞状态变化中的作用，研究人员分析了小鼠胚胎发育的公共 stereo - seq 数据集，聚焦于背侧中脑区域。通过 ONTraC 分析发现，生态位轨迹描绘了从未分化到分化程度逐渐增加的组织微环境变化路径。以放射状胶质细胞（RGC）为例，在发育过程中，其空间分布呈现明显的时空模式变化。进一步研究发现，在 E14.5 时，RGCs 的基因表达程序与细胞水平的 NT 分数显著相关，涉及干细胞更新和神经发生的基因被富集。基因调控网络分析表明，一些调节因子的活性沿 NT 发生显著变化，细胞 - 细胞相互作用分析也发现 NT - Low 和 NT - High 生态位之间存在差异，这些都表明 ONTraC 有助于深入了解组织微环境变化对细胞命运决定的影响。
四、识别肿瘤微环境中的细胞类型轨迹
研究人员利用 ONTraC 分析人类乳腺癌 Xenium 数据集，以测试其在肿瘤微环境分析中的效用。结果显示，生态位轨迹反映了从肿瘤核心到周围组织的空间过渡。肿瘤核心富含侵袭性肿瘤细胞，边界则富含增殖性肿瘤细胞，周围组织中免疫细胞、内皮细胞和基质细胞分布也呈现特定规律，这表明肿瘤微环境在调节癌细胞行为中起重要作用，也体现了 ONTraC 在分析肿瘤微环境方面的价值。
五、与传统空间域分析的比较
研究人员使用 GraphPCA 作为传统空间域分析的代表方法，与 ONTraC 进行比较。在分析 MERFISH 数据、stereo - seq 数据集和 Xenium 乳腺癌数据集时发现，GraphPCA 虽然能识别一些整体的结构，但无法捕捉到 ONTraC 所揭示的层内变化、更精细的空间相关变化以及细胞类型轨迹的细微变化。这充分显示出 ONTraC 在检测组织微环境空间连续变化方面比传统空间域分析更具优势。
在研究结论和讨论部分，ONTraC 作为一种全新的构建空间轨迹的框架，具有广泛的适用性。它以生态位为基本单位，巧妙地整合了生态位水平和细胞水平的属性，有效克服了现有方法的局限性，在空间轨迹分析方面表现卓越。然而，ONTraC 也存在一些不足，例如依赖细胞类型注释信息、对注释粒度敏感、输出轨迹未分支以及工作流程在处理大数据集时可扩展性不足等。尽管如此，ONTraC 的出现为研究组织微环境的结构和功能提供了创新的方法，为后续研究细胞与组织微环境的相互作用、疾病发生发展机制以及精准医疗等方面奠定了坚实的基础，有望推动生命科学和健康医学领域的进一步发展 。
