《Molecular Biomedicine》：Path2Space for the AI era: enabling large-scale spatial cancer biomarker discovery from routine H&E images
编辑推荐：
在最近发表于《细胞》（Cell）的一篇论文中，Shulman及其同事提出了Path2Space模型[1]。该模型能够直接从常规苏木精-伊红（H&E）全切片图像中预测14,068个基因的空间表达。Path2Space提供了一个成本效益高且可扩展的计算框架
在最近发表于《细胞》（Cell）的一篇论文中，Shulman及其同事提出了Path2Space模型[1]。该模型能够直接从常规苏木精-伊红（H&E）全切片图像中预测14,068个基因的空间表达。Path2Space提供了一个成本效益高且可扩展的计算框架，支持对肿瘤微环境（TME）的队列级分析，并对空间生物标志物进行优先排序。
空间转录组学（ST）保留了基因表达在组织结构中的位置信息，并将TME结构与肿瘤进展和治疗反应联系起来[2]。然而，由于其成本高昂且通量有限，它主要应用于小型队列。相比之下，临床队列中拥有大量常规H&E图像，这为从这些图像中推断空间表达提供了可能性。
以往的方法能够在组织或细胞点层面实现H&E到空间表达的转换，但绝大多数方法仅覆盖了一小部分基因，临床转化价值有限。Path2Space通过预测全基因组的细胞点表达并将其应用于队列级分析，克服了这一局限。这些推断的特征被证明比传统的批量测序生物标志物更能准确预测患者的生存情况和治疗反应，且适用于单个ST研究无法覆盖的队列规模。这一能力为空间生物标志物的研究打开了大型回顾性数据档案的大门，而这是以往工作尚未充分探索的领域。
基于数百万份来自不同组织的病理组织切片进行预训练的基模型（foundation models）为分析病理组织图像提供了成熟且可推广的解决方案。Path2Space本身不是一个基模型，而是一个特定任务的深度学习模型，它使用基模型作为特征提取器。该模型通过使用CTransPath基模型将每个图像切片编码为768维的特征向量，并通过多层感知器将这些特征向量映射到表达值（见图1），从而预测14,068个基因的空间表达。该模型在Bassiouni等人的10×Visium乳腺癌队列（n=14）生成的56,567对匹配的图像-表达点对上进行训练，采用留一法进行交叉验证，以对数变换后的计数作为预测目标，并通过邻居平均法进行空间平滑处理。在包括HEST（n=4）、Martinez（n=4）和HTAN（n=7）在内的三个独立ST队列中，有4,807个基因在交叉验证和外部验证中的皮尔逊相关性均超过0.4。该模型还能从新鲜冷冻切片扩展到福尔马林固定-石蜡包埋切片，并且与其他16种最先进的预测工具相比表现良好。其推断的表达结果与PanopTIL注释中的癌细胞、淋巴细胞和基质细胞比例的准确性接近，接近于从外部切片测量的ST数据反卷积的结果。
随后，Path2Space被应用于在更大规模队列中发现与生存和治疗反应相关的空间生物标志物（见图1b-c）。通过分析976名TCGA患者的1,096张H&E切片（其中853名患者有生存数据），Path2Space将ST聚类分为三种空间亚型（命名为SpatioTypes），包括增殖富集型、免疫调节型和免疫非活跃型。在调整年龄和分期后，免疫非活跃型（n=218）的无病生存率最低（风险比HR=2.04），这一结果在METABRIC队列（n=141）中也得到了验证。
对于HER2+乳腺癌，空间邻域多样性（SPAND）量化了100×100微米邻域内推断的HER2表达的空间异质性，在四个治疗队列（TransNEO、PBCP、IMPRESS和Cedars-Sinai）中，HER2高表达区和HER2低表达区混合的肿瘤对曲妥珠单抗的反应更好。在有匹配的荧光原位杂交（FISH）数据的情况下，HER2 SPAND与HER2/CEP17 FISH的结果相当，并且在高度扩增的肿瘤中更为准确。由于SPAND是基于推断的HER2表达计算的，因此这些发现仅限于回顾性HER2+队列和研究用途，并不能与FISH、免疫组化或测量的ST数据直接等同。基于ST聚类构建的逻辑回归模型在预测化疗和曲妥珠单抗反应方面的交叉验证和外部验证性能也很优秀，优于已发表的预测工具。
Path2Space假设转录状态在组织形态学中得到了充分编码，并且这种映射在不同环境中具有一致性。因此，对于那些空间表达与组织形态学关联不强或未被空间转录组学捕捉到的基因，该模型可能无法准确预测。此外，这种映射在不同癌症类型、临床中心、扫描仪、染色协议和Visium分辨率之间的普遍性也可能存在差异（见图1d）。Path2Space是在公开的乳腺癌Visium数据上训练的，其在实际队列和其他癌症类型中的性能需要严格的多中心验证。在临床实践中，H&E图像在扫描仪、染色协议和组织固定方式上存在差异[3），在特定扫描条件下，这种差异可能会降低预测准确性。患者级别的交叉验证可以减少这种差异，但无法消除共享的制备流程或患者重叠带来的中心、样本处理或数据泄露的混淆因素，这些因素可能会高估模型的泛化能力。在临床应用之前，需要采用领域适应技术。Path2Space还继承了其训练所用Visium平台的分辨率，其中每个细胞点对应一个直径为55微米的区域，包含多个细胞，因此其输出是细胞点级别的预测，而不是单细胞级别的预测，无法分辨稀有细胞类型。这是训练数据本身的固有特性，而不是预测架构的问题，更高分辨率的空间转录组学平台（如Stereo-seq）可以改善这一问题[4]。
还有三个限制需要特别强调。首先，预测的表达是基于测量的ST数据集进行评估的，而这些数据集本身存在由于捕获效率和数据丢失带来的技术噪声，因此基准数据并不完美。其次，空间平滑可能会模糊相邻组织区域之间的边界。第三，模型输出没有校准的不确定性，限制了对个别预测的信心。
鉴于这些限制，不应将Path2Space的预测结果视为测量ST数据的替代品。我们认为Path2Space在短期内最大的价值在于研究应用，其中虚拟空间转录组学可以应用于现有的H&E档案，用于假设生成和空间生物标志物的优先排序。与多模态基模型相比，Path2Space的优势在于其实用性和可扩展性。由于它不进行跨模态预训练，而是通过在配对数据上进行监督回归来学习图像到转录组的映射，因此保持了模块化的可扩展性和较低的计算成本。它可以以较低的成本迁移到新的队列或新的癌症类型，这使得其在研究应用中的部署变得容易。然而，它没有继承那些多模态模型通过预训练获得的跨组织和零样本迁移能力，因此每个新环境仍然需要配对的训练数据。
大规模的TME图谱是使用与Path2Space相同分子模式测量的、细胞类型明确的参考地图，它们作为Path2Space的基准数据。空间蛋白质组学成像与Path2Space的区别在于成像模式而非数据面板大小。这些平台能够在亚细胞分辨率下解析数十到上百种蛋白质，但它们需要专门的切片和仪器，并且其蛋白质组覆盖范围仍然不完整。因此，Path2Space预测的表达可以无需额外实验负担地补充测量到的空间信息。由于在同一组织切片中同时分析空间转录组和蛋白质组在技术上仍然具有挑战性且成本高昂[5，这可能为数字病理学工作流程中的多模态空间分析提供了一条实用途径。尽管如此，临床应用仍需要前瞻性的多中心验证和与成熟检测方法的严格比较。
总的来说，Path2Space提供了一种可扩展且成本低廉的方法，用于从常规H&E图像中预测ST。我们预期Path2Space可以适应更多的癌症类型，并经过前瞻性的多中心验证，从而应用于指导更个性化的诊断和治疗决策。
