ReSort算法：整合区域信息提升空间转录组参考解卷积精度的创新方法

针对空间转录组(ST)数据与参考数据集间的批次/平台差异问题，研究人员开发了基于区域信息的细胞分选策略(ReSort)。该方法通过提取ST数据的区域级特征构建伪内部参考，显著提升了CIBERSORTx等解卷积工具在模拟和真实肿瘤样本中的准确性，成功揭示了乳腺癌模型中M0/M2巨噬细胞在上皮克隆的特异性富集，为肿瘤微环境研究提供了新范式。

　　

在生命科学研究的前沿领域，空间转录组技术(ST)正掀起一场革命。这项突破性技术能够捕获组织内基因表达的空间位置信息，就像为科学家们提供了一幅分子级别的"细胞地图"。然而这幅地图存在一个关键缺陷——每个检测点(spot)实际上包含多个细胞的混合信号，就像用低分辨率相机拍摄高清场景。这种"多细胞分辨率"的特性使得精确解析每个位点的细胞类型组成成为巨大挑战。

传统解决方案依赖于参考数据集，比如单细胞RNA测序(scRNA-seq)结果。但这种方法面临"地图配准"难题：不同实验平台产生的数据存在批次效应，就像试图用不同比例尺的地图进行叠加。更棘手的是，在肿瘤微环境研究中，免疫细胞浸润等现象会进一步模糊细胞边界，使得参考数据集如同失准的罗盘，导致现有解卷积工具(如CIBERSORTx、SPOTlight等)的精度大幅下降。

来自贝勒医学院等机构的研究团队在《Bioinformatics Advances》发表的研究提出了创新解决方案ReSort。该方法巧妙利用ST数据自身的空间信息，通过区域划分构建"内部指南针"，有效规避了外部参考的偏差。研究团队通过模拟实验和真实肿瘤样本验证，证明ReSort不仅能准确解析区域级细胞类型(如肿瘤/导管/正常区域)，还能精细识别巨噬细胞亚型等"混合居住"的细胞群体，为肿瘤免疫研究开辟了新视角。

关键技术方法包括：1)基于MIST算法的空间区域检测，利用物理邻接和分子相似性划分同质区域；2)模拟ST数据生成系统，整合PDAC单细胞数据集构建基准测试平台；3)两阶段解卷积策略，先估计区域级比例再细化亚型组成；4)结合TCGA数据库进行临床相关性验证。研究使用Pearson相关系数和KL散度等指标进行量化评估。

【ReSort准确估计区域级细胞类型组成】
在模拟的2,500个位点组织中，ReSort展现出与理想内部参考相媲美的性能。相比外部参考，Pearson相关系数平均提升0.18(p<1e-10)，KL散度降低三倍。特别是在模拟免疫浸润场景中，ReSort加权F1得分达0.91，显著优于外部参考的0.78。RGB可视化显示，ReSort重建的空间模式与真实情况高度一致，而外部参考在肿瘤区域出现明显偏差。

【ReSort识别模拟研究中的免疫浸润】
通过人工添加免疫细胞模拟肿瘤浸润，研究证明ReSort能准确识别10%的免疫浸润位点。空间DWLS和stereoscope等平台效应感知工具在ReSort加持下表现最佳，而MuSiC等传统方法则产生较多假阳性。热图分析显示，ReSort能正确区分导管终末样细胞(Ductal-Terminal like)的分布，避免外部参考常见的区域误判。

【ReSort精确估计更精细的细胞类型组成】
在次级细胞类型解析中，ReSort使KL散度降低79%(p<1e-10)。应用至真实PDAC样本时，ReSort与同样本scRNA-seq参考的相关系数达0.67，优于跨样本参考的0.54。标志基因空间表达分析(如CRISP3+导管细胞)证实了ReSort的生物学合理性。

【ReSort发现小鼠乳腺癌肿瘤中上皮和间质克隆的免疫差异】
在包含上皮(E)和间质(M)克隆的乳腺癌模型中，ReSort识别出三个分子区域。分析显示上皮微环境富集M0(650%,p=8x10^-34)和M2(150%,p=4e-4)巨噬细胞，而间质区M1增加174%(p=0.046)。TCGA数据库验证显示上皮样TNBC肿瘤中M0/M2显著富集(p=0.03和7e-4)，组织化学染色证实上皮克隆中CD206+(M2)信号增强。

【ReSort促进间质小鼠乳腺癌肿瘤中肿瘤浸润免疫细胞的发现】
通过划分浸润区与周边区，ReSort揭示M1巨噬细胞是唯一在浸润区显著增加的免疫亚型(42%,p=0.017)。其标志物Cd40在肿瘤核心高表达，提示M1具有主动向肿瘤中心迁移的特性，这一发现为理解抗肿瘤免疫应答提供了新线索。

该研究开创性地将空间信息整合至解卷积流程，突破了参考数据集依赖的技术瓶颈。在生物学意义上，ReSort揭示了EMT过程中免疫微环境的动态重塑，特别是巨噬细胞亚型的选择性极化现象。方法学上，两阶段解卷积策略为混合细胞组成的精确量化提供了新范式。虽然ReSort在无区域结构的组织(如脑样本)中可能受限，但其创新思路为空间组学数据分析树立了标杆。随着单细胞技术的普及，这种"以空间信息为锚点"的策略有望在肿瘤免疫治疗响应预测等领域发挥更大价值。