在空间转录组学中，预测残差揭示了癌症 microenvironment 的异质性

《Computers in Biology and Medicine》：Prediction residuals in spatial transcriptomics reveal microenvironmental heterogeneity in cancer

　　

• •
  预测错误在乳腺肿瘤切片的空间连贯区域中存在。
• •
  排除特定成员的分析将预测难度与表达变化区分开来。
• •
  富含肿瘤的P07区域在两个切片中显示出与EMT（上皮间质转化）相关的低估现象。
• •
  空间表达组织与基因的可预测性相关。

引言

当一个预测模型在其输入空间的特定区域系统性地失败时，这种失败模式本身可能揭示了该模型原本并未试图发现的结构。例如，在经济学中，资本和劳动力无法解释的产出增长（即索洛剩余值）捕捉到了技术进步的贡献，并且比模型本身提供了更多的信息[1]。在神经影像学中，大脑年龄差（即预测年龄与实际年龄之间的差异）本身已成为神经退化的一个有用生物标志物[2]。在这两种情况下，人们都认识到，无法解释的部分不仅仅是噪声，而是一个信号。

我们将这一观察结果应用到了计算病理学中。基于数百万张组织病理学图像预训练的基础模型[3]、[4]、[5]能够在空间转录组数据中以不同的准确度预测基因表达，这些数据中每个组织位置都同时有显微镜图像和转录组谱型[6]、[7]、[8]。标准做法是使用相关系数或解释的方差来评估这些预测，并将残差视为必须最小化的错误[9]、[10]。然而，形态学和基因表达并不是完美耦合的，也有文献记录了它们不应如此的原因。例如，正在进行上皮-间质转化的细胞可以在表达间质程序的同时保留上皮特征[11]、[12]、[13]。免疫浸润和旁分泌信号也会重塑局部转录组[14]、[15]。空间分析已经识别出在形态学上没有体现出来的转录上不同的组织区域[15]。因此，自然会提出这样一个问题：在预测失败的地方包含了哪些生物学信息。

基于这一思想，我们在本文中引入了一个条件性不一致性框架（图1）。条件性不一致性将预测残差视为一种生物学发现工具，而不仅仅是一个模型错误的度量。我们使用了三个不同的基础模型来预测Xenium原位空间转录组数据中苏木精和伊红图像斑块中280个基因的表达。然后，将每个位置的残差集中在总表达相似的斑块组内，并通过三个质量标准进行评估：模型间的一致性、空间自相关性和不同基因集之间的一致性。经过验证的残差随后通过基因表达对比、通路残差、标记物评分和基因可预测性回归进行研究。两个乳腺癌队列（来自11个发现供体的18个切片和4个验证供体组，共有90个共享基因）提供了发现和复制集，并在结直肠腺癌中进行了跨组织应用（4个切片，351个基因）。

形态学和转录组出现分歧的组织位置具有取决于上下文的生物学关联：上皮标记物的表达、间质程序和细胞混合类型在不同供体之间有所不同。我们发现基因的可预测性与空间自相关性相关。在90个共享基因中，有71个基因的表达对比方向一致，而跨组织的程序比较则需要完全相同的测量成员。在验证中，患者内部的通路谱型比患者之间的更为相似，尽管排列测试仅允许九种分配（$p=1/9$）。这些结果表明，计算病理学中的预测残差并不是随机的，其中包含了关于组织异质性的结构化生物学信息。

章节片段

研究设计和表达预测

在这项研究中，我们分析了18个FFPE乳腺癌组织切片的Xenium空间转录组数据[16]（图2a）。Xenium转录本被聚类到$100\times 100\mu$m个空间区间内，图像与表达的对应关系由HEST提供（这是进行有意义的形态学-转录组比较的先决条件）。数据集被分为两个队列：发现队列（Biomarkers队列，来自11个供体的11个切片，由来源报告[17]）和验证队列（10个公共数据集和Janesick

讨论

我们引入了条件性不一致性框架，用于识别形态学和转录组出现分歧的组织区域。我们考虑了三个基础模型以及两个队列，包括18个乳腺癌切片、11个发现供体和4个验证供体组。不一致的斑点形成了空间上连贯的区域，在不同的编码器之间表现出一致性，并具有取决于上下文的生物学关联。该框架也适用于结直肠腺癌。预测残差

数据集和预处理

选择了18个来自11个发现供体和4个验证供体的福尔马林固定石蜡包埋（FFPE）乳腺癌组织切片进行分析。这些组织切片使用10x Genomics Xenium进行了分析，并与H&E全切片图像进行了核心配准[16]、[18]。发现来源的样本代表不同的供体；三个验证组各有两个切片，P08组有一个切片。这18个样本使用了两个不同的Xenium基因面板进行分析（每个面板分析后得到280个基因

代码可用性

分析代码可在https://github.com/tomiesm/discordance（commit 3d493ae）处公开获取。

补充表S1–S16和额外的Visium表格位于Supplementary_Tables.xlsx中。

伦理声明

本研究使用了来自HEST仓库的公开可用的、去标识化的空间转录组数据。没有收集新的组织样本，也没有访问任何可识别患者身份的信息。这项工作不需要伦理批准。

关于写作过程中生成式AI和AI辅助技术的声明

在准备这项工作时，作者使用Claude Code和Codex（OpenAI）来起草分析方法的实现、规划手稿结构、检查全文的引用以及进行文本编辑。使用这些工具后，作者对所有内容进行了审阅和必要的编辑，并对发表文章的内容负全责。

利益冲突声明

作者声明他们没有已知的利益冲突或个人关系可能影响本文所述的工作。

Tomas Iesmantas