基于soDGVAE的空间转录组数据整合解析组织结构的保守性与差异特征

《Journal of Advanced Research》：Deciphering conserved and divergent tissue architectures via soDGVAE-mediated spatial transcriptomics integration

卓越的跨场景整合性能。研究人员通过针对该领域最具挑战性的整合任务进行基准测试，展示了soDGVAE的卓越稳健性。这些任务包括：（1）跨尺度整合：实现从宏观解剖区域到精细亚区域架构的整合，涵盖Visium、Stereo-seq和MERFISH等不同分辨率平台；（2）跨有限基因panel重叠：处理成像类技术数据集（MERFISH和STARmap）时的少量特征交集问题；（3）极端平台异质性：在协调10种不同空间测序平台（如ST、10X Visium、Visium HD、Slide-seq和Stereo-seq）数据的同时，成功缓解强烈的批次效应（batch effects）。

三维、进化与发育及临床微环境方面的新颖生物学发现。除技术基准测试外，soDGVAE揭示了此前因数据碎片化而被忽略的重要生物学现象：（1）三维可视化中的切片整合：soDGVAE成功重建了小鼠肾脏连贯的三维空间景观，弥补了二维切片与体积生物学之间的鸿沟；（2）发育学发现：对鸡心脏四个发育阶段的分析揭示了多分辨率聚类，值得注意的是，研究人员在亚区域分辨率下识别出神经血管耦合（neurovascular coupling）现象；（3）进化洞察：跨物种整合（人类vs.小鼠）在相同Carnegie stage下阐明了不同的发育时间线；具体表现为，小鼠皮肤系统成熟显著早于人类皮肤在等效胚胎阶段的发育；（4）临床微环境建模：利用大规模队列（约50个切片，>100万个细胞），soDGVAE通过整合空间域动态与临床表型数据，解析了糖尿病肾脏微环境。

在空间组学技术迅猛发展的背景下，单细胞与空间多组学领域正经历深刻变革，研究分辨率与数据通量持续提升。早期空间转录组（spatial transcriptomics, ST）技术受限于约100 μm的粗略分辨率与稀疏采样，而10x Visium、Visium HD及Stereo-seq等平台已实现55 μm至500 nm的突破，MERFISH、STARmap、Xenium及CosMx等靶向或近全转录组技术进一步拓展了应用边界。然而，多组学数据的整合分析面临严峻挑战，其中批次效应（batch effects）——源于试剂批次、采样方案及跨平台差异的技术性变异——已成为制约生物学信号解析的主要瓶颈。不同于解离后的单细胞数据，ST数据锚定于细胞邻域及高阶组织结构，要求计算方法在消除技术噪声的同时忠实保留空间拓扑。现有整合方法存在明显局限：STAligner虽采用图注意力网络（graph attention network, GAT）与互近邻（mutual nearest neighbor, MNN）匹配，但计算开销随数据规模急剧增长，难以应对现代高分辨率平台产生的庞大数据集；CellCharter与UTAG采用分步式工作流，分别先校正表达再聚类或先聚合空间特征再整合，无法同步优化表达与空间特征至全局最优；基于Transformer的DECIPHER模型存在O(n²)时间复杂度的计算瓶颈及高昂的预处理开销；PASTE与scNiche则局限于三维重建或依赖细胞类型注释等先验知识，缺乏通用性。为突破上述瓶颈，研究人员构建了涵盖生物学重复、跨平台实验、三维组织体积及跨物种发育轨迹的高多样性空间组学基准数据集，并开发了条件图变分自编码器soDGVAE，相关成果发表于《Journal of Advanced Research》。该框架通过图注意力机制联合嵌入基因表达与空间语境，利用变分自编码器的条件编码显式解耦技术批次标识与共享生物学信号，在批次效应衰减与空间域识别方面展现出卓越性能。

研究人员采用的关键技术方法主要包括以下方面。首先，利用Scanpy框架对原始计数矩阵进行标准化预处理，包括高变基因（highly variable genes, HVGs）筛选、库容量归一化及对数转换；针对跨平台或跨物种整合，分别通过取数据集间基因交集或保留人类与小鼠间一对一直系同源基因确定最终特征集。随后基于空间坐标构建空间邻域图，采用K近邻（K-Nearest Neighbors, KNN）策略或固定半径准则建立邻接矩阵。模型核心为权重共享的图注意力网络，将基因表达特征与空间拓扑联合编码至统一低维潜在空间（latent space）。批次标识被编码为one-hot向量，经可学习嵌入层投影为稠密表示后与潜在变量拼接，输入图注意力解码器重构基因表达。训练过程结合重构损失（均方误差MSE）与KL散度正则化，并采用子图采样策略在代表性小批量上优化，显著降低图形处理器（GPU）内存占用，实现大规模空间转录组数据的高效端到端整合。

研究结果表明，soDGVAE在多个具有挑战性的整合场景中均表现卓越。在概述与综合性能评估方面，模型通过预处理、空间图构建、联合编码及条件解码实现多批次数据整合。在涉及10X Visium小鼠肾脏、Stereo-seq小鼠胎盘及MERFISH小鼠心脏的异构平台评估中，soDGVAE在主要解剖区域与亚区域识别中均达到最优或接近最优水平，能够准确勾勒髓质、内髓带（inner stripe of outer medulla, ISOM）及外髓带（outer stripe of outer medulla, OSOM）等关键结构边界，且在大型MERFISH心脏数据集中成功解析流入道和窦房结群落等微结构，而STAligner因内存限制无法完成计算。scIB指标分析显示，强烈的批次混合并不等同于更优的生物学整合，需综合定量指标与定性评估。针对成像类技术数据集（MERFISH与STARmap PLUS）间基因重叠稀疏的挑战，soDGVAE仍实现了协调的跨平台整合，准确还原小脑多层架构及大脑皮层分层结构，并通过对皮质标志物（Lamp5、Hs3st2）及小脑特异性基因Ppp1r17等验证，证实了跨平台的生物学保真度。在涉及10种空间测序平台（包括Spatial Transcriptomics、Slide-seq、Stereo-seq、Decoder-seq、10X Visium、Visium HD、Curio、BMK、Salus及DynaSpatial）的大规模脑数据集整合任务中，仅有soDGVAE与CellCharter能够处理全部数据，soDGVAE有效消除了平台驱动偏差，准确重构皮层层、海马（CA和DG）、纹状体、丘脑及小脑等关键脑区结构。

在三维可视化应用中，soDGVAE对八个连续小鼠肾脏切片进行整合，在潜在空间实现稳健的跨切片对齐，重构了连贯的三维组织架构。差异基因表达分析显示，皮层区域富集小管转运与代谢相关基因（如Slc34a1、Miox），髓质区域高表达水通道与应激反应基因（如Aqp2、Cryab）。研究最终识别六个主要解剖域：皮质DCT、髓质、皮质PCT、OSOM、脂肪及ISOM。在鸡心脏发育研究中，soDGVAE整合四个发育阶段（第4、7、10、14天）数据，识别出四个主要域及十个亚域，并在亚区域分辨率下揭示神经血管耦合（neurovascular coupling）现象，涉及SDC2、PTN及MDK等信号通路，阐明了早期心脏发育中神经与血管系统的空间协同机制。针对小鼠胚胎连续发育时间轴（E9.5至E18.5），soDGVAE有效消除批次效应，划分14个生物学 distinct 域，揭示神经系统从神经前体细胞到未成熟神经元再到成熟神经元的经典分化轨迹，以及肺组织自E12.5 emerge、肌肉与脂肪组织晚期富集等发育时序特征。跨物种比较研究将人类CS23胚胎与小鼠E16.5胚胎数据整合，发现心脏细胞在UMAP空间中并未完全共定位，且小鼠特异性cluster显著富集角蛋白（keratin, KRT）家族基因，表明小鼠皮肤系统成熟显著早于人类皮肤发育。在临床转化方面，soDGVAE分析了包含48个切片（22例正常对照，26例糖尿病肾脏疾病）的大规模队列（>100万个细胞），识别10个空间一致功能域。研究发现Domain 4在DKD组中显著扩张，富集成纤维细胞，且这些成纤维细胞呈现从稳态代谢向调节、发育及反应状态的转变。ITGA8受体作为中心枢纽整合内皮细胞与巨噬细胞来源信号。空间自相关分析（Moran's I）证实Spp1和Itga8在Domain 4内呈现显著正空间自相关（FDR = 0.000999），而在全组织水平不显著，提示该信号轴具有生态位特异性富集特征。

讨论部分指出，soDGVAE的核心优势在于其灵活的条件变分推断框架，能够学习共享生物学潜在空间，显式解耦平台特异性噪声与内在信号，同时保留分子特征与组织拓扑的精细耦合，这对心脏和肾脏等复杂器官的高保真域识别至关重要。该方法有效解决了靶向成像与全转录组测序整合中的"稀疏重叠"问题，通过邻域感知图嵌入增强局部表达，在保持高对齐精度的同时实现atlas-scale可扩展性。研究人员指出，该框架将离散实验快照有效桥接为连续生物学叙事，在进化发育生物学中具有重要应用价值。尽管在平衡批次校正与生物方差（如疾病与正常状态间差异）方面仍存挑战，soDGVAE代表了迈向统一计算框架的重要一步。未来，soDGVAE有望从批次校正工具演变为复杂的生成引擎，用于数字组织合成，预测局部分子响应或模拟复杂三维拓扑中的细胞迁移。

结论部分认为，soDGVAE有效解码了组织生态位的功能重塑，并识别出疾病相关的细胞可塑性，凸显了其在临床空间组学应用中的稳健潜力。