空间转录组梯度分析新方法LSGI：解析肿瘤微环境中的分子空间异质性

研究人员开发了LSGI（Local Spatial Gradient Inference）计算方法，通过非负矩阵分解(NMF)和局部线性回归模型，从空间转录组(ST)数据中系统识别具有生物学意义的空间转录组梯度(STG)。该方法在87个肿瘤样本中发现356个与肿瘤异质性相关的分子程序，揭示了NFKB-TNFA等关键通路在胶质母细胞瘤中的空间分布规律，为理解肿瘤微环境提供了新视角。

　　

肿瘤组织的空间异质性一直是癌症研究的核心挑战。传统单细胞测序虽能解析细胞异质性，却丢失了关键的空间信息。随着空间转录组技术(ST)的发展，科学家们得以同时获取基因表达和空间位置信息，但如何从海量数据中提取有生物学意义的空间模式仍缺乏有效方法。尤其对于肿瘤这类高度异质的组织，细胞表型往往呈现复杂的梯度变化，这些空间转录组梯度(STG)可能隐藏着肿瘤进展的关键线索。

美国德克萨斯大学MD安德森癌症中心(UT MD Anderson Cancer Center)的研究团队在《Genome Biology》发表创新性研究，开发了LSGI计算框架。该方法通过结合非负矩阵分解(NMF)和滑动窗口策略，首次实现了对ST数据中局部空间梯度的系统性检测和可视化。研究团队在87个肿瘤ST数据集的分析中，不仅验证了已知缺氧梯度在胶质母细胞瘤(GBM)中的空间规律，更发现了NFKB-TNFA信号通路等新的空间异质性特征。

关键技术包括：1) 使用NMF分解基因表达矩阵获得可解释的分子程序；2) 通过重叠滑动窗口(默认25个细胞/组)进行局部线性回归，计算梯度方向和拟合优度R²；3) 整合多数据集进行元分析，通过肿瘤比例聚类(TRC)关联梯度与肿瘤区域。

LSGI框架和下游分析

LSGI通过三个关键步骤解析STG：首先用NMF将基因表达分解为分子程序（如缺氧或增殖相关程序），然后在局部空间窗口内拟合线性模型，用R²>0.6筛选显著梯度。如图1所示，该方法能同时确定梯度存在位置、方向和功能注释。在胶质母细胞瘤样本中，LSGI成功识别出神经前体样表型与缺氧表型的反向梯度，这与已知的"AC-like"和"MES-hypoxia"肿瘤细胞状态的空间分布一致。

LSGI在GBM数据集中的发现

分析显示胶质母细胞瘤(UKF243_T_ST样本)存在五组显著梯度程序。NMF_2/3(星形胶质细胞相关)与NMF_4/5(缺氧相关)呈现空间共定位但方向相反的梯度模式（图2）。功能注释揭示NMF_2富含细胞外基质相关通路，而NMF_3侧重神经发生功能；NMF_4与血管生成相关，NMF_5则关联自噬反应。这种精细的功能分化提示不同缺氧微环境可能驱动了肿瘤细胞的异质性适应。

单基因梯度分析应用

在seqFISH小鼠脊髓发育数据中，LSGI以单基因模式分析了351个基因的空间梯度。结果显示关键发育基因如Sox2(背腹侧高表达)、Shh(腹侧特异性)和Notch1(中央富集)呈现截然不同的空间模式（补充图S4），证实了方法在靶向测序数据中的适用性。

87个肿瘤数据集的元分析

跨样本分析鉴定出19个元程序(MP)，包括6个泛癌程序(如EMT、OXPHOS)和肿瘤特异性程序（图3）。MP-14(NFKB-TNFA信号)在多个GBM样本的肿瘤核心区域富集，其代表基因CD44、FOS的空间表达验证了该通路在肿瘤核心的激活（图4）。约25%程序未归类，反映了显著的病人间异质性。

该研究建立的LSGI框架突破了传统空间分析方法依赖先验知识的局限，首次实现了全转录组尺度的空间梯度无偏检测。发现的NFKB-TNFA等空间异质性特征为理解肿瘤耐药提供了新线索。所有分析结果和代码已开源，为空间组学研究设立了新标准。随着单细胞分辨率ST技术的普及，LSGI将在发育生物学和肿瘤微环境研究中展现更广阔的应用前景。