可解释、灵活且空间感知的多源空间转录组数据集整合方法INSPIRE

《Nature Genetics》:Interpretable, flexible and spatially aware integration of multiple spatial transcriptomics datasets from diverse sources

【字体: 大 中 小 】 时间:2026年04月28日 来源:Nature Genetics 29

编辑推荐:

  为应对多种空间转录组(ST)数据集在来源、技术、条件等方面存在异质性的整合挑战,研究人员开发了基于深度学习与非负矩阵分解(NMF)的整合方法INSPIRE,实现了对共享及情境特异性空间基因程序和组织结构的跨尺度解析。该方法在多项应用中表现出色,能够解析细粒度的生物信号、整合不同技术的互补优势、捕捉条件特异性变异、揭示肿瘤微环境异质性、阐明发育动态并支持三维组织重建。

  
近年来,空间转录组学(Spatial transcriptomics, ST)技术快速发展,使得我们能够在完整组织中获取带有空间背景的转录组图谱,为深入研究组织结构、细胞间互作及空间发育轨迹提供了前所未有的机会。然而,随着不同来源、技术、条件和时间点的ST数据集不断积累,如何有效整合并解释这些异质性数据,从中提取有意义的生物学信号,仍然是一个重大挑战。现有方法如SpiceMix和NSFH虽然能够在单一样本或重复切片中识别可解释的空间因子,但缺乏处理跨样本复杂干扰变异(如批次效应、技术差异等)的机制,在整合多个、部分重叠或技术迥异的数据集时面临困难。因此,开发一种能够进行可解释、空间感知且能灵活整合多源ST数据集的计算方法,对于构建全面的组织图谱、揭示精细的空间结构以及理解动态生物过程至关重要。
这项研究发表在《Nature Genetics》期刊上。
为开展研究,作者主要运用了基于图神经网络(Graph Neural Networks, GNNs)的编码器来构建空间感知的细胞/点表征,并设计了一种定制的对抗学习(adversarial learning)策略来对齐不同数据集在共享潜在空间中的表示,同时结合了非负矩阵分解(Non-negative Matrix Factorization, NMF)来分解生物信号,得到可解释的空间因子和共享的基因载荷矩阵。研究还使用了包括人类皮层、小鼠脑、皮肤、乳腺癌及小鼠胚胎发育在内的多种ST数据集进行验证,涵盖了Visium、Slide-seqV2、Stereo-seq、MERFISH、seqFISH、Xenium等多种技术平台。
研究结果
INSPIRE在多项任务中展现出优越的准确性和可解释性
在模拟数据和真实数据(如人背外侧前额叶皮层DLPFC数据集)的基准测试中,INSPIRE在识别空间区域、对齐样本表示以及恢复真实空间因子和基因签名方面,均优于现有的空间NMF方法、单细胞RNA测序整合方法以及其他空间整合方法。其通过结合对抗学习和NMF,能够有效消除不期望的变异,同时保留样本特有的生物信号。
INSPIRE能够精准整合仅部分共享空间结构的小鼠脑切片
在整合小鼠脑矢状面(前部和后部)与冠状面切片的挑战性任务中,这些切片仅部分共享组织结构(如等皮质)。INSPIRE成功对齐了共享区域(如等皮质层),同时保留了切片特有的结构(如小脑、主嗅球)。其判别器能够自适应地区分共享与特有的生物信号,从而指导有效的整合。
INSPIRE整合不同技术的ST数据,促进多种下游分析
研究将INSPIRE应用于由Slide-seqV2(全转录组覆盖)和MERFISH(高数据质量但基因面板有限)生成的小鼠脑数据集。INSPIRE有效消除了技术差异,对齐了空间区域,使得能够结合MERFISH的精确空间注释和Slide-seqV2的广泛基因覆盖来进行分析,例如识别细胞间通讯信号。同样,在整合seqFISH和Stereo-seq生成的小鼠全胚胎切片数据时,INSPIRE支持了跨平台基因表达推算,从而能够进行背腹侧肠道管发育的差异表达分析。
INSPIRE揭示人类乳腺癌肿瘤微环境的异质性
应用于两个高分辨率Xenium图谱的人类乳腺癌切片(包含超过28万个细胞),INSPIRE快速识别了包括导管原位癌(DCIS)区域和浸润性肿瘤区域在内的空间结构,并揭示了肿瘤微环境中细胞群的精细异质性。例如,它识别出具有不同基因特征和空间分布模式的三种肌上皮细胞亚群和两种内皮细胞亚群,这些亚群在DCIS和浸润性肿瘤区域附近的富集程度不同,提示了与肿瘤进展相关的微环境差异。
INSPIRE构建了全面的小鼠器官发生时空图谱
通过整合跨越胚胎期E9.5到E16.5的八个Stereo-seq小鼠全胚胎切片,INSPIRE构建了一个时空器官发生图谱。它识别了对应主要器官(如心脏、肝脏、肺、脑)的一致空间区域,并量化了其随发育的动态变化。此外,通过空间因子分析,INSPIRE揭示了如脉络丛、平滑肌细胞等精细组织的发育程序及其时空动态。
INSPIRE支持准确的组织和生物体三维重建
INSPIRE能够可靠地对齐相邻的二维切片,支持从组织区域到整个生物体的精确三维重建。在MERFISH、Visium和STARmap PLUS等数据集上的评估表明,基于INSPIRE推导的表征进行空间配准,其性能优于现有方法。将其应用于五个相邻的E16.5 Stereo-seq小鼠胚胎切片,成功重建了主要器官的三维结构。
研究结论与讨论
本研究提出的INSPIRE是一个基于深度学习的框架,它通过将对抗学习与非负矩阵分解相结合,实现了对多源空间转录组数据集的可解释、灵活且空间感知的整合。INSPIRE的三个关键方法学优势在于:其定制的对抗学习策略能自适应地分离不期望的变异与生物信号;将对抗学习与NMF整合,可提取跨样本一致且可解释的空间因子;结合图神经网络以空间感知的方式建模局部微环境,同时通过轻量级、小批量优化的网络保持可扩展性。
广泛的模拟和真实数据应用表明,INSPIRE能够有效整合异质数据,并通过可解释的空间因子及其关联的基因程序解析细粒度的空间结构。它适用于构建空间图谱、跨技术整合、发现条件特异性生物学、解析肿瘤微环境异质性、表征发育动态以及实现三维组织重建等多种挑战性场景。
尽管INSPIRE目前主要依赖于跨数据集共享的基因进行整合分析,未来纳入数据集特有基因可能进一步提升其性能。此外,为数据整合提供不确定性量化也是一个有待探索的方向。随着空间转录组学数据规模和多样性的不断增长,INSPIRE作为一种强大、可扩展且可解释的整合工具,将为深入理解复杂生物系统的空间组织与功能提供重要支持。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号