《Advanced Science》：Cross-Modal Denoising and Integration of Spatial Multi-Omics Data with CANDIES
编辑推荐：
本研究针对空间多组学数据跨模态噪声与整合难题，提出CANDIES框架。该框架创新性地结合条件扩散模型与对比学习，实现了高噪声模态的有效去噪与多模态精准对齐，显著提升了空间域识别、时空轨迹重建及GWAS关联映射的准确性，为复杂性状的空间解析提供了强大工具。
空间多组学的“降噪”革命：CANDIES如何用AI还原组织微环境的真实图景？
在生命科学领域，我们正经历一场“空间分辨率”的革命。传统的单细胞测序技术虽然能解析细胞的分子特征，却像把水果榨成汁后再去分析成分，完全丢失了细胞在组织中的原始位置和邻居信息。而新兴的空间多组学（Spatial Multi-Omics）技术，则像一张高精度的“分子地图”，能同时测量同一组织切片中基因表达、蛋白质、染色质可及性等多种信息，并保留其空间坐标。这让我们能直观地看到，在肿瘤微环境或胚胎发育过程中，不同类型的细胞是如何“排兵布阵”并相互交流的。
然而，绘制这张精细地图面临着巨大的技术挑战。首先，数据噪声大且不平衡。不同模态（如RNA和蛋白质）的数据质量差异显著，低质量模态往往充满技术噪声和“假零”（dropout），掩盖了真实的生物信号。其次，整合难度高。简单的数据拼接会忽略模态间的异质性，而现有的单细胞整合工具（如MultiVI、totalVI）缺乏空间约束，空间专用工具（如SpaGCN、GraphST）又对噪声敏感，难以实现真正的跨模态融合。这导致我们虽然拥有了数据，却很难从中提取出清晰、可靠的生物学见解。
为了解决这些痛点，发表在Advanced Science上的这项研究提出了CANDIES（Cross-modal denoising and integration of spatial multi-omics data）框架。该研究创新地将条件扩散模型（Conditional Diffusion Model）与对比学习（Contrastive Learning）相结合，旨在“去伪存真”，即利用高质量模态的信息来修复低质量模态的噪声，并生成统一、稳健的空间多组学表征。研究团队利用从小鼠大脑、胚胎到人类皮肤、淋巴结等多种真实和模拟数据集验证了其优越性，证明CANDIES不仅能更清晰地划分脑区或胚胎发育域，还能发现传统方法遗漏的稀有细胞类型和免疫微环境，甚至将空间域与复杂人类疾病（如GWAS性状）进行关联，为精准医学提供了新的空间维度视角。
关键技术方法
CANDIES采用两阶段策略（去噪+整合）处理空间多组学数据。在去噪阶段，首先构建空间邻域图，利用图自编码器（GAE）提取各模态嵌入；随后，以高质量模态为条件，通过扩散变换器（DiT）驱动的条件扩散模型，对低质量模态嵌入进行迭代去噪，并解码回原始空间。在整合阶段，构建空间图与特征相似图，利用双图卷积网络（GCN）提取特征，并通过对比学习对齐不同模态的嵌入，最后利用注意力机制融合空间与特征信息。研究使用的数据包括：模拟数据集（评估噪声鲁棒性）、小鼠大脑MISAR-seq（ATAC+RNA）、小鼠胚胎空间ATAC-RNA-seq和空间表观遗传（H3K27ac/H3K27me3）数据、人类皮肤空间CITE-seq（RNA+蛋白）数据以及人类淋巴结10x Visium数据。
研究结果
2.1 CANDIES模型概述
CANDIES的架构分为清晰的两步走策略（图1）。第一步是跨模态去噪：它不像传统方法那样直接处理原始数据，而是先构建空间图，利用图自编码器将数据映射到潜在空间。核心是一个基于扩散变换器（DiT）的条件扩散模型，其中低质量模态（如噪声RNA）作为去噪目标，高质量模态（如清晰蛋白）作为条件输入，通过反向过程生成去噪后的嵌入。第二步是多关系融合：在去噪后的数据上，分别构建空间邻近图和特征相似图，利用双GCN编码信息，再通过对比学习拉近不同模态间相同spot的表示，并利用注意力机制动态平衡空间结构与分子特征的贡献，最终输出统一的联合表征。
2.2 模拟数据验证：在极端噪声下的稳健表现
为了定量评估性能，研究团队首先生成了模拟数据，其中RNA模态被添加了高水平的噪声（标准差σ=3）和高dropout率（20%），而蛋白模态保持相对洁净（σ=1）。结果显示，原始RNA数据已完全丧失空间模式（ARI≈0），而CANDIES凭借其去噪模块，几乎完美恢复了四个预设的空间因子（ARI=0.92），显著优于SEDR、STAGATE等仅使用单模态的方法（图2b-d）。更重要的是，随着噪声水平从σ=1增加到σ=5，其他方法的性能急剧下降，而CANDIES得益于蛋白模态的“引导”，性能下降幅度最小，展现了极强的鲁棒性。在整合任务上，CANDIES也优于totalVI、MultiVI等非空间方法以及SpatialGlue等新兴空间方法。
2.3 真实数据应用：从脑图谱到胚胎发育
在真实数据中，CANDIES同样表现出色。在小鼠大脑MISAR-seq（空间ATAC+RNA）数据中，CANDIES不仅更清晰地分离了皮层、丘脑等解剖区域，还成功去除了背景噪声，使得原本被掩盖的兴奋性神经元亚群得以显现。在人类皮肤空间CITE-seq数据中，去噪模块帮助发现了一个此前未被识别的、富集于毛囊皮脂腺单位（pilosebaceous unit）的免疫应答微环境（immune-responsive niche），揭示了皮肤免疫的新结构。在小鼠胚胎发育数据中，整合了H3K27ac（活性标记）和H3K27me3（抑制标记）的CANDIES表征，成功区分了神经板、体节等主要发育域，并保留了罕见的神经嵴细胞，这是单模态分析无法做到的。
2.4 连接空间生物学与复杂人类性状
研究的另一大亮点是将空间多组学与全基因组关联分析（GWAS）相结合。利用CANDIES生成的小鼠大脑和胚胎以及人类淋巴结数据的统一表征，研究团队计算了每个空间域与32种复杂人类性状（如免疫疾病、代谢指标）的遗传关联。结果显示，特定的空间域（如淋巴结的B细胞区、大脑的特定皮层区）与相关的GWAS性状存在显著富集，这为解释“非编码区GWAS信号究竟作用于哪个组织、哪个区域”提供了空间分辨率的答案。
结论与展望
CANDIES通过巧妙地结合条件扩散模型和对比学习，解决了空间多组学数据分析中的两大核心痛点：跨模态噪声和异质性整合。它不仅是一个计算工具，更是一个强大的发现引擎。其意义在于：1）技术层面，证明了利用高质量模态引导低质量模态去噪的可行性，为处理低质量空间数据提供了新范式；2）生物学层面，通过发现新的免疫微环境和解析发育轨迹，深化了我们对组织构建的理解；3）转化医学层面，通过GWAS空间映射，搭建了连接遗传变异、分子表型与组织病理的桥梁。未来，随着空间多组学技术的普及，CANDIES这类能够“修复”并“融合”多维度数据的AI框架，将成为挖掘组织微环境宝藏的关键工具。
