基于图最优传输的空间加权多组学整合方法SWINGOT

《Genes》：SWINGOT: Spatially Weighted Integration of Multi-Omics with Graph Optimal Transport

　　

背景：空间多组学技术有助于研究组织结构和空间分子模式，但其整合仍具有挑战性。本研究旨在整合配对的空間多组学数据，同时保持空间位点之间的关系。方法：研究人员开发了SWINGOT（Spatially Weighted Integration of Multi-Omics with Graph Optimal Transport），一种拓扑感知框架，结合了基于Wasserstein的分布对齐和基于Gromov–Wasserstein的关系正则化。一种保守残差门控融合策略整合了模态特异性表征，同时限制结构变化。研究人员在小鼠胚胎RNA–ATAC数据集和人类淋巴结RNA–ADT数据集上使用聚类、空间一致性和跨模态匹配指标评估了SWINGOT。基因表达重建使用模态特异性编码器–解码器通路。结果：与现有 multimodal 整合方法相比，SWINGOT在空间域识别和空间一致性方面取得了较强性能。融合表征支持空间域识别、低维可视化和下游分子分析。在E18数据集中，重建表达对代表性基因显示出更清晰且更空间连续的模式。人类淋巴结分析揭示了空间区域之间不同的分子模式。结论：SWINGOT为配对空间多组学整合提供了一种策略，支持空间域识别和区域分子差异分析。

研究背景方面，空间分辨组学技术能够在保留组织空间位置的同时提供分子测量，使得研究组织架构、细胞异质性、发育过程以及疾病相关空间变化成为可能。然而单一分子模态仅能捕捉生物系统的一个侧面：空间转录组反映基因表达，染色质可及性提供调控状态信息，空间蛋白质组测量蛋白质丰度。整合这些互补模态可提供组织架构和分子调控的更完整视图。空间多组学整合面临多重挑战：不同模态具有不同的特征空间、数据分布、噪声水平和生物学关系，例如染色质可及性与基因表达相关但不等价，RNA丰度并不总与蛋白质丰度直接对应。因此有效整合不仅需要拉近不同模态的相关观测，还需保留有意义的差异和各模态内部的原始生物结构。现有计算方法如LIGER、SCALEX、GLUE、SIMBA、MaxFuse、scConfluence和Monae等采用不同策略识别跨模态共享信息，但多数主要针对单细胞或非空间多模态数据开发。空间多组学引入额外挑战，因为分子测量与组织内明确空间位置相关联。STAGATE表明空间邻域信息可改善组织域识别，SWITCH将图学习扩展至空间多组学整合与跨模态预测，MoST-IG利用Wasserstein和Gromov–Wasserstein距离在特征和拓扑层面对齐组织学与转录组图。这些研究凸显了空间和结构信息的重要性。然而，配对空间分子数据如RNA–ATAC和RNA–蛋白质与形态学引导的整合不同，因为两种模态描述的是对应空间位置上的分子状态。在此背景下，若各模态内部的局部关系在整合过程中被扭曲，仅改善跨模态对应可能不够。为此研究人员提出SWINGOT，一种配对空间多组学整合策略。模态特异性表征学习和跨模态翻译使用概率双编码器架构。SWINGOT增加了一个对齐与融合分支，作用于分离的模态表征。Wasserstein和GW损失使用共享传输计划正则化可训练适配器。学习到的门控和有界残差校正结合适配后的表征，随后与基础表征混合。结构保持损失约束最终融合表征中的成对关系。该附加分支学习跨模态对齐和融合，而不通过这些损失直接更新骨干编码器。研究人员在小鼠胚胎E13、E15和E18的空间RNA–ATAC数据集以及人类淋巴结RNA–ADT数据集上评估SWINGOT，与九种代表性多模态整合方法进行比较，使用聚类、空间一致性和跨模态对齐指标，并在空间域识别、去噪和下游生物学分析中进一步检查学习到的表征。

研究方法方面，研究人员使用四个数据集评估所提方法，包括MISAR-seq小鼠胚胎三个发育阶段（E13、E15、E18）的RNA和ATAC测量，以及包含匹配RNA和ADT测量的人类淋巴结数据集，另在附录中评估了乳腺癌RNA–ADT数据集。方法上，空间多组学数据经质量控制、标准化、特征选择和空间图构建后，两种模态分别由模态特异性图注意力网络编码获得潜在表征Z1和Z2；特征引导图并行编码以捕捉跨组学特征关系。预训练阶段使用对抗判别器减少两种模态特异性表征间的全局分布差异。CrossModalGOTFusion模块进一步整合两个潜在表征：投影和共享标准化后，使用Wasserstein距离减少跨模态分布差异，同时基于Gromov–Wasserstein的损失考虑两个潜在空间内的关系结构。适配后的表征首先通过动态学习门控权重组合，随后进行有界残差校正，所得学习表征以固定75%/25%权重与稳定基础表征组合。结构保持损失约束空间位点间成对关系的变化，停梯度操作防止GOT相关损失直接更新骨干编码器。SWINGOT分两阶段训练：预训练阶段优化目标包括双模态重建、引导图重建、KL正则化、对抗模态对齐、Wasserstein对齐、Gromov–Wasserstein关系对齐和结构保持；正式联合训练阶段保留预训练参数，激活跨模态伪配对和循环映射，每种模态解码为另一模态并重新编码获得跨模态潜在表征，由基于余弦的伪配对齐约束，GOT对齐和融合在此阶段继续更新。最终融合表征用于空间域识别、低维可视化和下游分子分析，基因表达重建使用模态特异性编码器–解码器通路。评估包括聚类一致性指标、Moran's I空间自相关、ICC组内一致性以及FOSCTTM和FOSKNN位点级跨模态匹配。

研究结果方面，在模型性能比较中，研究人员使用聚类、空间一致性和跨模态匹配指标评估模型性能。在三个小鼠胚胎RNA–ATAC数据集上，SWINGOT取得最高平均ARI，E13、E15和E18分别为0.204、0.526和0.388，同时在三个数据集上均取得最高平均NMI、AMI、同质性和完整性。E13和E15上平均Moran's I最高，但E18上并非如此，表明聚类一致性改善未延伸至所有空间一致性度量。在人类淋巴结RNA–ADT数据集上，SWINGOT取得最高平均ARI为0.212和最高平均Moran's I为0.534，同时获得最高平均NMI、AMI、同质性和完整性。跨模态匹配呈现与聚类一致性不同的模式，SWINGOT未在四个数据集上一致取得最佳FOSCTTM或FOSKNN，ICC性能也有变化，因此空间域识别改善未一致伴随更好的位点级跨模态匹配或组内一致性。在小鼠胚胎空间域识别中，研究人员在原始组织坐标上可视化识别域以检查空间组织。若干比较方法产生碎片化分配，相邻位点频繁被分配至不同聚类。SWINGOT在若干组织区域恢复了更连续的域，尽管部分边界与参考注释不同。在E15展示结果中，SWINGOT恢复了若干大致遵循参考组织架构的连续区域；E18识别的域也显示空间连续性，尽管部分边界与参考注释不同。在整合表征低维可视化中，研究人员使用UMAP可视化不同方法生成的嵌入，位点按参考空间域标签着色。E15和E18中若干参考域在SWINGOT UMAP图中占据可区分区域，E13中观察到更多重叠；人类淋巴结表征也显示若干域间分离，仍存在部分重叠。在E18胚胎标记基因表达空间去噪中，研究人员检查了E18小鼠胚胎中六个具有已报道发育和组织相关表达模式的基因的重建RNA表达。Pax6和Slc1a3与神经祖细胞和放射状胶质群体相关，Neurod1与神经元分化相关，Tbr1在出生后有丝分裂后皮层神经元中表达，Col1a1和Col1a2编码I型胶原链并由成纤维细胞包括脑膜成纤维细胞表达。原始RNA数据中若干基因表达模式相对稀疏且空间不连续，重建后相应表达模式变得更空间连续并显示更清晰区域富集。研究人员进一步比较这些基因在14个空间域中的表达分布：原始数据中若干标记基因在多个域间表达相对分散，处理后其表达更集中于特定空间域，具有更清晰的域相关富集模式。空间图和小提琴图提供了一些证据表明重建数据保留区域表达模式，E18空间组织和留出RNA计数预测的额外评估支持相较于测试的简单空间平滑基线有所改善的留出预测，但不能排除过度平滑或局部生物变异丢失。在人类淋巴结空间异质性和下游分析中，研究人员检查了人类淋巴结数据集中选定空间区域间的分子差异。在展示的聚类结果中，SWINGOT恢复了若干连续区域并产生较若干比较方法更少的分散分配。差异表达分析识别了选定区域间不同的表达模式：脂质代谢和脂肪细胞相关基因包括FASN、FABP4和ADIPOQ在一个区域显示更高表达，免疫相关基因如CCL21和CTLA4在区域间存在差异。KEGG分析识别了PPAR信号通路、脂肪细胞脂解调控和脂肪细胞因子信号通路的富集。差异基因特征还用于查询LINCS L1000以获取具有相反转录变化的扰动特征，候选化合物及其细胞背景被汇总，这些结果识别了供进一步研究的计算候选物，但该淋巴结样本中的区域表达差异本身不足以确立疾病特征或治疗效果。

讨论部分，SWINGOT在三个小鼠胚胎数据集和人类淋巴结数据集上取得最高平均ARI，但其在空间一致性、跨模态匹配和组内一致性指标上表现较不一致。这些结果表明与参考空间域的一致性、空间一致性和位点级跨模态匹配捕捉了整合的不同方面，应分别评估。消融实验评估了附加对齐和融合分支对空间域识别的作用：将所提融合策略替换为均值融合在E13和人类淋巴结数据集上均降低ARI；移除WD或GW损失也降低ARI，但降低幅度取决于数据集；在人类淋巴结数据集上，同时移除两种对齐损失产生的ARI高于单独移除任一损失，表明其效应非加性。敏感性分析表明融合系数影响空间域识别，E13上β=0.25在测试值中取得最高平均ARI，将β增至0.25以上未进一步提高ARI，尽管某些设置取得更好Moran's I或跨模态匹配分数。附加乳腺癌评估将分析扩展至疾病相关RNA–ADT数据集，SWINGOT取得最高平均Moran's I和最低CHAOS分数，但未取得最佳PAS、ASW_spatial、ICC或跨模态匹配结果，这些发现支持其在额外设置中恢复空间一致域的能力，但由于该评估缺乏参考域注释，仅空间指标不足以确立识别区域对应正确生物边界。E18表达图和计数拆分分析支持区域表达模式和相较于测试的空间平滑基线改善的留出预测，但不能排除过度平滑；去噪使用模态特异性编码器–解码器通路，不应视为GOT融合模块改善的直接证据。人类淋巴结数据集中差异表达和通路分析识别了选定区域间脂质相关和免疫相关差异，LINCS结果仍为计算候选物，不确立治疗功效。局限性包括评估覆盖有限组织、发育阶段和空间多组学技术；各模型组件贡献和β选择可能依赖数据集和评估目标；去噪准确性和下游通路及化合物发现的稳定性尚未独立确立，需使用额外数据集和实验证据进一步研究。结论部分翻译如下：本研究介绍了SWINGOT，一种使用基于Wasserstein的分布对齐、基于GW的关系正则化和保守残差门控融合整合配对空间多组学数据的策略。该方法结合模态特异性信息同时约束空间位点间关系的变化。SWINGOT在三个小鼠胚胎RNA–ATAC数据集和人类淋巴结RNA–ADT数据集上取得比较方法中最高平均ARI。消融实验支持附加组件对空间域识别的贡献，敏感性分析表明性能依赖融合系数。乳腺癌评估提供了额外RNA–ADT数据集中空间一致性的进一步证据。跨模态匹配未在数据集间一致改善。融合表征支持空间域识别和下游分子分析，而基因表达重建使用模态特异性编码器–解码器通路。重建、通路和化合物相关发现需进一步验证。未来在额外组织和技术上的评估将有助于确定该方法有用设置的范围。