《Genomics》：COVARE for modeling latent random effect correlations to detect genes with specific spatial expression patterns
编辑推荐：
本文针对现有空间可变基因检测方法忽略细胞微环境中共变量交互作用的局限，提出基于线性混合效应模型的COVARE方法，可整合多维度生物信息并解析共变量潜在关联，实现基因空间效应无偏估计。经模拟与公共数据集验证，该方法检测准确性高、鲁棒性强，为解析复杂疾病机制、识别生物标志物提供了可靠工具。
在生命科学的微观世界里，细胞就像一个个精密运转的“小工厂”，而基因则是这些工厂里的“操作手册”。长久以来，科学家们通过单细胞RNA测序技术窥探细胞的基因表达图谱，却始终面临一个遗憾——细胞在组织解离过程中丢失了原本的空间位置信息，就像把一本写满故事的书的页码全部打乱，再也无法还原故事发生的场景。直到空间转录组(ST)技术的横空出世，才终于让科学家们在观察基因表达的同时，还能知道这些“故事”发生在组织的哪个角落。这项革命性技术不仅能揭示基因的空间表达模式、组织内的细胞结构，还能解析细胞间的相互作用，为理解生物发育、疾病发生提供了前所未有的视角。
然而，如何从海量的空间转录组数据中提取真正有价值的生物学信息，一直是困扰科研人员的难题。传统的高度可变基因检测方法完全忽略了空间背景，而现有的空间可变基因(SVGs)检测方法虽然意识到了空间的重要性，却大多只关注整体统计显著性，或者仅考虑单个共变量的独立效应，完全忽视了细胞微环境中不同共变量之间错综复杂的交互作用。这种“单打独斗”的分析思路，在面对肿瘤微环境等高度复杂的生物系统时，往往会因为无法准确分配方差而导致推断偏差，难以深入挖掘基因空间异质性的真正驱动因素。
为了解决这一关键科学问题，江南大学理学院的研究团队在《Genomics》发表了题为“COVARE for modeling latent random effect correlations to detect genes with specific spatial expression patterns”的研究，提出了一种名为COVARE的创新性统计分析方法。该方法基于线性混合效应模型框架，巧妙地将基因表达、空间位置和细胞/spot水平的共变量整合到一个统一的模型中，不仅能纳入多种预定义的生物学信息（如细胞类型、功能状态或空间域注释），更重要的是，它能够考虑共变量之间潜在的相互作用关系，从而实现多因素共同调控下基因空间表达的精准分析。通过广泛的模拟研究和公共数据集验证，COVARE展现出了卓越的检测准确性和稳健的分析性能，为空间转录组数据的深度挖掘提供了强有力的工具。
为了开展这项研究，作者团队主要采用了以下几个关键技术方法：首先，基于线性混合效应模型构建空间基因表达模型，将空间随机效应按共变量分解为多个组分，并引入高斯核等多种核函数量化spot间的空间相似性；其次，通过推导包含共变量独立方差贡献和交互协方差贡献的方差-协方差矩阵，实现对空间随机效应相关性的无偏估计；随后，采用得分统计量构建假设检验，通过近似卡方分布计算p值并结合Benjamin-Hochberg(BH)方法控制错误发现率(FDR)；最后，利用模拟数据集（基于小鼠嗅球(MOB)数据集通过SRTsim包生成）和多个公共真实数据集（包括人类背外侧前额叶皮层(DLPFC)、HER2阳性乳腺癌(HBC)、黑色素瘤淋巴结转移样本，均来自10×Visium平台）进行方法性能评估，以F1分数、AUC值、调整后兰德指数(ARI)、Moran's I统计量等为指标，并与SPARK-X、nnSVG、C-SIDE、CTSV、spVC、STANCE、DESpace、SpaGCN等现有方法进行系统比较。
研究结果部分，作者通过系统的模拟研究和真实数据应用验证了COVARE的优越性：
3.1. Overview of COVARE and evaluation
COVARE的工作流程首先获取空间转录组数据和细胞/spot水平空间共变量，然后通过混合线性模型整合输入数据。在建模过程中，由于预定义的具有交互作用的生物学信息通常用作共变量，研究团队将共变量之间的交互项纳入协方差矩阵，从而实现了不受空间随机效应相关性偏差影响的方差和协方差分量估计。通过假设检验确定基因表达中是否存在与共变量相关的空间效应，进而检测出具有特定空间表达模式的基因。下游分析可深入探索空间基因表达模式与细胞类型、功能区域等因素的内在关联，获得更具针对性的生物学见解。在性能评估中，COVARE在六个数据集（包括不同平台的公共ST数据集和基于真实数据集生成的模拟数据集）上的F1分数和AUC值均优于现有方法，同时保持了较低的I型错误率。
3.2. Simulation study
基于小鼠嗅球(MOB)数据集，研究团队通过R包SRTsim生成了包含3000个单细胞的模拟组织，设置了不同的细胞类型比例和离散参数（表征数据噪声水平，分别为0.7、1、1.5）。在第一组模拟数据集中，每个数据集包含500个基因（400个细胞类型特异性SVGs用于评估统计功效，100个非空间可变基因用于验证I型错误控制）。结果显示，COVARE在所有条件下均能稳定有效地控制I型错误，且在FDR阈值为0.05时，统计功效始终保持在0.85以上，显著优于spVC、CTSV和C-SIDE（平均统计功效低于0.25）。在第二组包含10种细胞类型的复杂模拟数据集中，COVARE的统计功效和F1分数分别达到0.95和0.97，而其他方法则表现不佳。此外，COVARE对细胞类型比例估计误差具有强鲁棒性，即使使用CARD或RCTD等去卷积方法得到的估计比例作为输入，性能下降也很小。Q-Q图和Kolmogorov-Smirnov(K-S)距离分析进一步证实，COVARE产生的p值校准效果最优（K-S距离为0.0657），且不同细胞类型间检测到的SVGs重叠度低，凸显了其细胞类型特异性检测优势。在检测空间域特异性SVGs的模拟研究中，COVARE在三种空间模式（左侧、椭圆形、注释模式）下的平均AUC值分别达到0.91、0.88和0.85，F1分数均超过0.86，优于DESpace和SpaGCN。即使在引入批次效应和技术噪声的情况下，COVARE仍保持优异性能。
3.3. Application in real datasets to detect cell type-specific SVGs
在人类背外侧前额叶皮层(DLPFC)数据集（样本151,673，使用CARD方法获得7种细胞类型注释）和人类HER2阳性乳腺癌(HBC)数据集（样本H1，使用Stereoscope方法获得8种细胞类型注释）的应用中，COVARE在FDR阈值0.05下分别检测到3830个和409个细胞类型特异性SVGs。在DLPFC数据中，少突胶质细胞检测到最多SVGs（3039个），而少突胶质前体细胞(OPCs)最少（421个），这与OPCs维持未分化状态、基因表达相对一致的特性相符。在HBC数据中，上皮细胞（与乳腺癌密切相关）对应的SVGs最多（291个），而血管周围基质细胞(PVL)最少（61个）。顶级细胞类型特异性SVGs如小胶质细胞的MEF2C（参与调节突触传递和脂质代谢稳态，是神经退行性疾病的潜在治疗靶点）和上皮细胞的ERBB2（HER2阳性乳腺癌的关键预后指标和免疫治疗靶点）均具有重要的生物学意义。基因集富集分析显示，COVARE检测到的SVGs参与了丰富的生物学通路，如兴奋性神经元中的“谷氨酸能突触传递的正调控”、星形胶质细胞中的“胶质发生”等，为研究脑功能和疾病机制提供了线索。将COVARE检测到的SVGs作为SpatialPCA和SeuratPCA聚类算法的输入，得到的调整后兰德指数(ARI)最高（SpatialPCA为0.6337），表明其能有效提升空间域识别的准确性。
3.4. Application in real datasets to detect spatial domain-specific SVGs
在黑色素瘤淋巴结转移数据集（包含来自4个不同个体的8个样本，使用SpatialPCA聚类得到黑色素瘤、基质、淋巴组织和边界区域四个空间域）的应用中，COVARE在FDR 0.01下检测到2205个空间域特异性SVGs，其中异质性最高的黑色素瘤区域检测到最多SVGs（1382个），而细胞组成相对均一的基质区域最少（96个）。顶级SVGs如黑色素瘤区域的CPEB2（抑制细胞增殖）和淋巴区域的BANK1（B细胞信号调节因子）均与区域功能密切相关。Moran's I指数分析显示，COVARE检测到的前50个SVGs的中位数为0.2547，平均值为0.2594，显著高于DESpace、SpaGCN和spVC，表明其检测的基因具有更强的空间自相关性。基因集富集分析揭示了与区域功能相关的通路，如黑色素瘤区域的“作用于NAD(P)H、氧作为受体的氧化还原酶活性”（反映肿瘤高代谢活性）和淋巴区域的“MHC II类蛋白复合物结合”（参与抗原呈递）。在多样本分析中，同一患者重复样本间对应簇的SVGs重叠度（Jaccard系数）更高，而不同患者间较低，反映了黑色素瘤的个体间异质性，证明了COVARE检测结果在不同样本间的稳定性。
在讨论部分，作者指出COVARE相比现有方法具有多方面优势：一是具备整合共变量的能力，可将多种生物学先验信息纳入建模，不仅量化基因表达的空间异质性，还能解析其与关键共变量的复杂关联；二是能提供不受随机效应相关性偏差影响的方差和协方差分量估计；三是在不同分散度、混合细胞类型和空间模式的模拟研究中均表现出稳健的错误率控制和卓越的统计功效；四是能提供更特异性的SVGs检测结果，有效减少不同类别间基因表达模式的混淆；五是检测结果的下游应用价值高，可为空间聚类提供更精确的特征，并通过富集分析揭示更具生物学意义的通路。同时，作者也承认COVARE存在一定局限性，如独立分析每个基因难以捕捉基因间因果关系，以及对与基因表达呈高度非线性关系的共变量分析能力有限，未来计划进一步扩展以整合基因调控信息和复杂共变量交互信息。
综上所述，COVARE作为一种创新的空间转录组数据分析框架，通过建模潜随机效应相关性，实现了对具有特定空间表达模式基因的高效精准检测。其无偏的方差估计能力对于解析高度异质性组织的空间功能分区、细胞类型特异性表达模式以及疾病进展中基因与微环境的相互作用机制具有重要意义，为复杂疾病机制解析和生物标志物识别提供了强有力的工具。
