《PLOS Computational Biology》：SpatioCAD: Context-aware graph diffusion model for pinpointing spatially variable genes in heterogeneous tissues
编辑推荐：
空间转录组学（ST）能够在原生组织背景下实现近细胞或亚细胞分辨率的全面基因表达谱分析，为细胞空间组织、原位功能状态、细胞间通讯及空间特异性基因表达程序提供了前所未有的洞察。空间可变基因（SVG）的识别是空间转录组学数据分析的基础任务之一，然而现有大多数SVG检
空间转录组学（ST）能够在原生组织背景下实现近细胞或亚细胞分辨率的全面基因表达谱分析，为细胞空间组织、原位功能状态、细胞间通讯及空间特异性基因表达程序提供了前所未有的洞察。空间可变基因（SVG）的识别是空间转录组学数据分析的基础任务之一，然而现有大多数SVG检测方法忽略了细胞密度变异这一复杂组织（如肿瘤）中的主要混杂因素，异质性细胞密度常引入假阳性调用。SpatioCAD是一个显式解耦真实空间表达模式与细胞密度驱动混杂效应的计算框架。SpatioCAD引入图扩散模型，内在地纳入细胞密度感知条件以模拟表达传播，支持在广泛表达水平范围内识别SVG。在模拟数据集上的系统评估表明其具有优越的统计功效和特异性。应用于乳腺癌、肺癌和胶质瘤数据集，SpatioCAD识别出功能多样的SVG，包括在肿瘤进展中已确立作用的低丰度转录本，同时再现了具有生物学意义的组织结构特征。重要的是，SpatioCAD速度快且可扩展至大型组织。
研究背景方面，空间转录组学技术实现了组织原位基因表达的全面表征，识别空间可变基因（SVG）对于定义区域特异性分子标志物和揭示空间调控机制至关重要。然而，现有SVG检测方法在高度异质性组织（如肿瘤微环境，TME）中可靠性严重受损。TME的一个关键特征是癌细胞不受控增殖导致的细胞密度剧烈空间变化，这种密度异质性常被误判为真实生物学信号，构成SVG识别的主要混杂因素。此外，许多现有算法倾向于偏好高表达基因，常排除低表达的关键调控基因。虽然STMiner采用最优传输（OT）框架应对此挑战，但其高计算成本和对异常值的敏感性限制了广泛应用。为此，研究人员提出SpatioCAD（基于上下文感知图扩散的空间可变基因识别框架），构建于所提出的节点属性图扩散（NAGD）模型之上，显式解耦真实空间模式与细胞密度变异。SpatioCAD基于两个基本假设：第一，具有生物学意义的空间模式表现为局部平滑信号；第二，结构化信号比随机信号需要更长的扩散时间才能达到稳态。基于第一假设，SpatioCAD首先采用噪声过滤模块，通过粗糙度评分（RS）排除高频变异主导的基因。随后利用NAGD模型，沿每个细胞的信号梯度而非依赖位点间绝对信号差异引导扩散过程，从而解耦真实空间模式与细胞密度变异。基于第二假设，通过测量达到稳态所需时间量化每个基因的空间变异性。在NAGD框架下，所有归一化信号收敛至与细胞密度成比例的稳态，确保扩散时间作为跨基因可比较的通用度量，实现稳健且表达平衡的SVG排序。
在关键技术方法方面，研究人员构建了基于互k近邻原则的空间图，采用自调谐自适应高斯核计算边权重；基于标准图扩散模型计算粗糙度评分（RS），利用高斯混合模型（GMM）和贝叶斯信息准则（BIC）自适应确定噪声基因过滤阈值；提出NAGD模型，通过谱分解图拉普拉斯矩阵并利用最慢衰减的m个特征模（默认m=50）近似特征扩散时间；采用p次幂变换的秩聚合策略增强对广泛动态范围空间模式的敏感性。研究使用了模拟数据集（基于SRTsim生成）、人乳腺癌10X Visium数据集、人肺癌10X Visium数据集、人恶性胶质瘤GEO数据集（GSE194329）以及人背外侧前额叶皮层（DLPFC）spatialLIBD数据集。
研究结果方面，在SpatioCAD概述部分，SpatioCAD由噪声基因过滤和SVG识别两个主要模块组成，通过粗糙度评分过滤噪声基因，通过NAGD模型计算扩散时间识别SVG。在模拟分析部分，研究人员设计了两种组织切片场景（方形域和条形域），每种包含五个域，域E为高细胞密度的肿瘤核心。SpatioCAD在无噪声条件下FDR阈值0.1时统计功效达0.99（场景1）和0.98（场景2），显著优于STMiner（0.87和0.88）、SpaGFT（0.88和0.74）和SpatialDE（0.76和0.75）。在肿瘤核心域E中，SpatioCAD是唯一成功的方法，功效达0.96和0.78，而其他方法均低于0.3。引入噪声基因后，STMiner性能显著下降至接近零，而SpatioCAD保持稳健。去除RS过滤步骤后，top-200 F1分数大幅降低，FDR 0.05时功效降至零。在人乳腺癌数据评估部分，SpatioCAD与STMiner共享最大交集（505个基因），SpatioCAD独特SVG最少（132个）。以管家基因（HK）为阴性对照，SpatioCAD与HK基因重叠最低之一（26个），显著优于Sepal（88个）、SpaGFT（216个）、SpatialDE（191个）和SPARK-X（368个）。SpatioCAD识别的SVG平均归一化表达秩最接近参考值0.5（均值0.487，MAD 0.013），Shannon熵最高（H=2.518），表明功能多样性最丰富。SpatioCAD成功识别低表达簇中的功能相关SVG，如ZNF878（与DCIS亚型匹配）、GNG13（侵袭区域富集）、CHIT1（活化巨噬细胞标志物）、SLC5A1（DCIS和侵袭区域富集）等。在与STMiner的直接比较中，SpatioCAD的SVG具有显著更低的预测误差（MAE 3.15 vs 4.95）、更高的Moran's I指数（均值0.25 vs 0.15）和更低的经验p值（246个显著vs 70个），且运行时间仅43秒对比STMiner的41,983秒。在人肺癌数据评估部分，SpatioCAD与STMiner共享最大交集（531个基因），SpatioCAD独特SVG最少（156个），与HK基因重叠最低（3个vs STMiner 2个）。SpatioCAD平均归一化表达秩最接近0.5（均值0.396），Shannon熵最高（H=2.275）。SpatioCAD识别了低表达簇中的NOX4、KCP、FAM149B1（肿瘤-基质界面重塑）和NSG1、SLC1A6、RHBDL3（肿瘤核心）等 biologically 相关基因。与STMiner比较，SpatioCAD预测误差更低（5.00 vs 8.26）、Moran's I更高（0.18 vs 0.07）、303个SVG均显著（STMiner仅173个显著），运行时间40秒对比23,410秒。在弥漫性中线胶质瘤肿瘤微环境功能异质性解析部分，SpatioCAD基于扩散谱将top 1000 SVG聚类为六个模式，成功捕获肿瘤核心（Pattern 1，富集OLIG2、AURKA）、肿瘤 periphery 炎症反应（Pattern 2，BCL2A1、S100A8）、肿瘤侵袭活跃区（Pattern 3，SPP1、TIMP1）、白质（Pattern 4，PLP1、MAG）、灰质（Pattern 5，ALDOC、NDRG2）和神经元层（Pattern 6，NEFL、NEFM）。肿瘤特异性簇的GO和KEGG富集分析显示细胞分裂调控和细胞周期通路显著富集。在DLPFC数据评估部分，SpatioCAD top 500 SVG平均归一化秩为0.43，最接近参考值0.5；表达匹配Moran's I z-score为2.28（STMiner和SpatialDE均为2.39）；平均每切片运行时间12.4秒，远快于STMiner（5,997.4秒）和SpatialDE（630.9秒）。SpatioCAD优先排序了RAB27B、DACH1、HHIP、HLA-DRB5等具有多样生物学背景的基因。
讨论部分总结：在复杂组织中，细胞聚集程度差异导致细胞密度显著异质性，常导致假阳性SVG误识别。SpatioCAD利用噪声信号的结构不稳定性，首先通过粗糙度评分过滤无信息基因，随后在NAGD模型下计算扩散时间，有效解耦空间模式与细胞密度变异。实验结果表明SpatioCAD有效缓解细胞异质性导致的假阳性，产生更表达平衡的基因选择，促进低表达但生物学重要SVG的检测。与STMiner的直接比较显示SpatioCAD具有更优越的效率、统计显著性和稳健性。SpatioCAD存在局限性：不提供正式统计量（如p值或z分数）用于SVG与非SVG的确定性分类；依赖图构建和图拉普拉斯矩阵特征分解；使用归一化表达总和作为细胞密度的表达衍生相对代理而非直接细胞计数。未来方向包括开发兼顾计算效率与空间信息保留的图构建策略、整合组织学衍生细胞密度以及扩展至整合细胞类型解卷积结果。研究结论翻译：SpatioCAD是一个强大的计算工具，用于解析复杂组织的空间结构并提供对其潜在生物学的新见解。
