SpaMTP：空间代谢组学和转录组学数据的整合统计分析与可视化

《Nature Methods》：SpaMTP: integrative statistical analysis and visualization of spatial metabolomics and transcriptomics data

　　

空间分辨多模态数据使得探索转录、蛋白质组和代谢调控成为可能，然而整合这些空间组学模态（尤其是空间代谢组学（SM））的分析工具仍然有限。研究人员开发了SpaMTP，一个端到端框架，在通用的Seurat架构内实现功能。它引入了代谢物注释、联合聚类、富集检验、空间对齐、多模态整合、可视化和无缝软件互操作性的分析。其效用已在不同的生物系统中得到验证。

**论文解读：SpaMTP——空间代谢组学与转录组学整合分析的新工具**

**研究背景与问题**
空间代谢组学（Spatial Metabolomics, SM）技术（如质谱成像（MSI））快速发展，可提供空间背景下的代谢活性信息。然而，与空间转录组学（Spatial Transcriptomics, ST）相比，SM的广泛应用受到分析工具的严重制约。现有工具主要存在以下问题：一是代谢物注释困难，单个质荷比（m/z）特征可能对应数百种代谢物，且现有数据库和工具注释功能有限；二是缺乏跨平台兼容性，商业软件成本高且无法整合多模态数据，开源工具则分析类型单一；三是尚无工具能够有效整合SM与ST等多模态空间组学数据，从而限制了对复杂生物过程（如代谢调控）的多层交叉验证研究。因此，亟需开发一个能够实现代谢物注释、多模态整合、下游差异分析和联合通路识别的综合性分析框架。

**研究内容与结论**
研究人员开发了SpaMTP，一个基于Seurat架构的端到端分析框架，专门用于整合分析空间代谢组学和空间转录组学数据。该工具提供了代谢物自动注释（基于HMDB、LipidMaps等公共数据库，并支持四种细化策略）、联合聚类（PCA、空间图PCA）、差异丰度分析（伪批量法）、多模态对齐（通过图像配准和潜在空间映射）、加权最近邻（WNN）整合以及丰富的可视化功能。通过分析人类肺、小鼠膀胱、帕金森病小鼠脑和IDH突变胶质瘤等多个数据集，SpaMTP展示了其优越性：在注释准确性上优于METASPACE，能够发现新的细胞亚群（如膀胱固有层），通过多模态整合识别出单模态分析无法发现的通路（如多巴胺β-羟化酶缺乏通路、富马酸代谢通路），并在单细胞分辨率下实现肿瘤特征的空间定位。该研究成果发表于《Nature Methods》。

**主要技术方法**
SpaMTP基于Seurat数据对象，主要关键技术包括：①代谢物注释：利用CompountDB R包下载并标准化ChEBI、HMDB、GNPS和LIPIDMAPs数据库，计算47种常见加合物，通过精确质量匹配（用户可指定ppm误差）为每个m/z赋值，并采用四种细化策略（通路相关性统计、脂质命名法分类、伪MS/MS谱匹配、保留时间比较）减少假阳性。②空间对齐：通过AlignSpatialOmics和MapSpatialOmics函数，将SM像素与ST斑点（如Visium）映射到同一坐标系，基于多边形重叠分配平均强度值。③多模态整合：使用Seurat的WNN方法，结合SpaMTP的GraphPCA嵌入，生成整合聚类，并允许用户调整模态权重。④差异分析与通路富集：采用伪批量法（EdgeR）进行差异丰度分析，利用RaMP-DB数据库（53,952条通路）执行三种富集分析（ORA、秩基富集、特征集共调控），并支持多模态网络可视化。样本来源包括人类肺（公开数据集）、小鼠膀胱（公开数据集）、小鼠脑（帕金森模型，含FMP-10和DHB两种MALDI基质数据）以及人IDH突变胶质瘤（10X Xenium、MALDI-TOF和免疫荧光串行切片）。

**研究结果**

**SpaMTP comprehensive metabolite annotation functionalities**
通过分析人类肺数据集，以±3 ppm阈值，SpaMTP从HMDB和LipidMaps分别注释了80,235和39,215个m/z值，远超METASPACE（20% FDR下247和322个注释）。重叠注释中约90%匹配，不匹配多因同义词导致。在加标数据集上，SpaMTP准确识别所有七种代谢物，而METASPACE误注释了谷胱甘肽。应用CalculateAnnotationStatistics后，假阳性完全消除。这表明SpaMTP具有高精度和易用性，并支持离线运行。

**SpaMTP downstream analyses**
在小鼠膀胱数据集中，SpaMTP的注释与MS/MS验证结果一致。通过Cardinal聚类，识别出膀胱肌肉、外膜和尿路上皮区域。差异分析发现70个差异m/z，其中PC(34:1)和SM(34:1)在尿路上皮中上调，与既往研究一致；PC(30:2)在其他方法中未发现。利用脂质命名法分组功能，发现尿路上皮中高表达甘油磷脂（尤其PC和PE）。SpaMTP的替代聚类（基于代谢物PCA）进一步细分出中间和基底上皮细胞，并识别出Cardinal无法检测的固有层（cluster 5），其标志物m/z 743.546被鉴定为SM(18:16)。通路分析显示尿路上皮中Gα相关信号通路上调，基底细胞层中感觉感知通路激活。

**SpaMTP multimodal analyses**
在帕金森小鼠脑数据集中，SpaMTP成功对齐SM和ST数据（不同分辨率）。单独ST聚类仅识别出纹状体区域；单独SM可区分病变状态但无法识别组织结构；而多模态整合（WNN，权重0.5/0.5）识别出关键集群（cluster 2），定位于完整纹状体，与多巴胺空间表达高度吻合。伪批量差异分析显示多巴胺在cluster 2中上调，并发现单模态无法识别的基因（如Pcp4）和通路（如多巴胺β-羟化酶缺乏通路）。联合网络分析显示S-腺苷-L-甲硫氨酸（SAM）在病变半球中强烈上调，并揭示D-多巴色素可能由氧化应激产生。

**SpaMTP multiresolution analyses**
在IDH突变胶质瘤单细胞分辨率数据中，SpaMTP通过精确空间对齐，整合10X Xenium、MALDI-TOF和免疫荧光数据。整合分析识别出肿瘤特征（高表达VIM和精脒增加），并发现肿瘤特异性葡萄糖代谢通路富集，符合IDH突变胶质瘤的代谢重编程。整合分析比单模态分析检测到更多通路（如富马酸代谢仅由整合发现）。

**总结讨论与结论**
SpaMTP是一个开源、端到端的分析管线，用于整合分析配对的空间代谢组学和空间转录组学数据。其基于Seurat的数据结构使其易于访问，并兼容单细胞和空间分析工作流。未来方向包括扩展队列分析、构建三维模型以及整合空间表观基因组学。局限性在于代谢物注释仍受限于结构不确定性和数据库不完整。
**研究结论**：SpaMTP代表了一个开源软件包，具有端到端的分析流程，用于整合和分析配对的空间代谢组学和空间转录组学数据。其用户友好的界面和基于Seurat的数据结构使SpaMTP在空间和单细胞分析工作流中高度可访问且可互操作。未来方向包括扩展对队列分析的支持、跨连续切片构建三维（3D）模型，以及整合额外模态（如空间表观基因组学），以进一步增强多组学洞察。SpaMTP改进了代谢物注释，但仍受限于代谢物结构的内在不确定性和不完整的参考数据库。