stHGNN：通过双超图学习增强技术解析空间转录组数据

《Pattern Recognition》：stHGNN: Deciphering spatial transcriptomics data via dual hypergraph learning enhancement

　　•我们提出了一种双视图超图框架，用于空间转录组学研究。•通过建模高阶依赖关系，以实现更精准的空间域识别。•结合ZINB损失函数与平滑损失函数，提升结果的生物学合理性。•大量实验表明，我们的方法在后续分析中具有显著优势。

引言
空间转录组学能够同时测定基因表达情况并保留组织内细胞的空间位置，从而通过表达特征和空间坐标为组织区域提供多模态描述，有助于研究那些以往难以解决或无法研究的生物学问题，比如传统细胞类型内的固有异质性、细胞过程的动态变化、可靠的细胞间通讯以及细胞分化背后的生物学途径[1]。现有的空间转录组数据主要通过两种不同的技术获得：基于条形码的方法，如10x Visium[2]和SLIDE-seq[3]；以及基于图像的方法，如MERFISH[4]、osmFISH[5]和seqFISH[6]。与单细胞分辨率的测序技术如scRNA-seq不同，这些空间转录组技术的分辨率通常在细胞群水平（几到几十个细胞）。尽管存在这一限制，空间转录组学仍在生物研究中得到广泛应用[7]，产生了海量数据，从而迫切需要先进的计算方法来处理这些数据。

在空间转录组数据的关键分析任务中，空间域识别尤为重要，其目的是揭示不同细胞群体或亚群体的空间分布以及病理组织的结构特征。这一任务也被视为各种后续分析的基础[8]，比如细胞类型标注、差异基因表达分析以及轨迹推断[9]。早期的方法主要采用传统的无监督算法，包括PCA[10]，并结合聚类算法，如K-means[11]和mclust[12]。然而，这些方法将细胞视为独立的数据点，忽视了不同数据类型之间存在的丰富生物学关联和细胞依赖关系，从而导致大量有价值信息的丢失。近年来，图神经网络被广泛用于从表达数据和空间数据这两种模式中捕捉细胞间的依赖关系，推动了空间域识别算法的发展。GraphST[13]将GNN与对比学习相结合，实现了空间转录组数据的聚类、整合和去卷积处理，而stHGC[14]则通过整合不同的相似度度量标准构建混合邻接图。Spotscape[15]引入了相似度望远镜模块，用于捕捉全局关系，从而实现有效的多切片整合。上述基于图的方法在空间域识别任务中表现优异，但仍存在一些需要解决的固有局限性。(1) 大多数现有方法将复杂的细胞间依赖关系简化为成对的k最近邻图。有些方法仅根据空间坐标构建图结构[15]，忽略了相同类型或亚类型的细胞群并不总是空间上相邻这一事实；还有些方法试图通过纳入多视图信息来减少结构信息的丢失[14]、[16]，但仍然无法捕捉到高阶的细胞依赖关系。换句话说，这些现有的基于图的战略主要关注两个细胞群是否相连，但并未明确说明一组细胞群是否共同构成了一个共享的细胞微环境或功能背景。因此，准确建模这类高阶、多参与方的依赖关系对于实现精准的空间域识别至关重要。(2) 空间域识别需要的表示形式应同时符合生物学合理性要求以及聚类目标。一方面，由于共享的调控程序和微环境，参与同一功能模块的细胞往往具有相似的表达谱[17]，这意味着在所学的嵌入向量中应体现出生物学上的连续性特征。另一方面，为了使聚类成功，所学的表示形式应同时促进簇内紧凑性和簇间可分性[18]，而不仅仅是保持输入数据之间的相似性[16]。这种双重约束能够确保所学的表示形式不仅与组织层面的生物学结构一致，而且本身也具备有利于聚类的特性。

为了解决这些问题，我们提出了用于空间转录组数据域识别的双视图超图神经网络模型stHGNN。首先，我们根据空间视图和特征视图的信息构建超图，以表征高阶的细胞依赖关系。随后，使用两个超图神经网络作为编码器来学习低维表示。接着，通过交叉注意力机制融合双视图嵌入，并应用全局自相关策略。为了学习有利于聚类的表示形式，我们采用了多视图自监督聚类损失函数，同时运用超图平滑损失函数来确保结果的生物学合理性。最后，为了解决空间转录组数据的高稀疏性和过度分散问题，我们使用了零膨胀负二项式解码器，从而实现自监督训练。总体而言，我们的方法具有以下贡献：•我们提出了stHGNN，这是一种基于超图的增强框架，能够建模高阶细胞依赖关系，保留细胞群之间的相互作用，从而更好地反映组织的内在结构。•我们实现了表示学习与聚类的协同优化，确保所得表示既符合生物学规律，又有利于聚类，同时具备更高的簇内紧凑性和簇间可分性。•在三个涵盖不同物种和组织类型的基准空间转录组数据集上的大量实验及后续分析表明，stHGNN在解析空间域方面始终优于传统基准方法。

章节摘录
空间域识别
空间域识别是空间转录组数据分析中的核心任务之一，有助于揭示细胞间的异质性。传统方法，如K-means[11]，未能充分利用空间转录组数据所提供的关键空间位置信息，从而导致空间域识别效果不佳。为了解决这一问题，一些方法基于坐标构建空间邻近图，并利用图神经网络来学习表示形式。STAGATE[19]通过修剪空间……

问题定义与数据预处理
空间转录组数据包含基因表达矩阵和空间坐标矩阵。由于测序技术的局限以及样本制备过程中不可避免的误差，基于UMI计数的基因表达矩阵中存在噪声。为降低空间转录组数据中的技术噪声，我们对原始基因表达矩阵Fobs∈RN×Dobs进行了预处理。首先，我们保留至少在100个细胞中有表达的基因，以确保剩余基因的检测率足够。接着，我们使用Seurat_v3[42]选出最具代表性的基因……

实验结论
优点。在本研究中，我们提出了stHGNN，这是一种用于空间转录组数据空间域识别的双视图超图增强框架。通过从空间视图和表达视图建模高阶细胞依赖关系，我们的stHGNN能够学习到更能反映细胞群上下文关系和群体结构的组织表示形式。通过整合交叉注意力融合、自相关重组织、超图平滑处理、基于ZINB的重建以及多视图自监督学习等技术，该模型实现了更好的性能……

CRediT作者贡献声明
唐静红：写作——审稿与编辑，写作——初稿撰写，软件工具，方法设计，实验分析，概念构思。陈乐志：写作——审稿与编辑，写作——初稿撰写，软件工具，方法设计，实验分析，概念构思。易思宇：写作——审稿与编辑，可视化处理，项目管理，资金筹集。刘伟：写作——审稿与编辑，可视化处理，概念构思。李明阳：可视化处理，实验分析，数据整理。王一帆：写作……

关于生成式AI及AI辅助技术在写作中的声明
在撰写本文档的过程中，作者仅使用ChatGPT进行语言润色。在使用该工具/服务之后，作者对内容进行了必要的审阅和修改，并对本文的内容负全责。

利益冲突声明
作者声明没有已知的、可能影响本文研究结果的财务利益或个人关系。

致谢
本研究部分得到了中国国家自然科学基金项目62306014和12501344、中国博士后科学基金会A类博士后资助项目BX20250376和BX20240239、中国博士后科学基金会项目2024M762201、四川省科技计划项目2025ZNSFSC1506和2025ZNSFSC0808的支持。唐静红|陈乐志|易思宇|刘伟|李明阳|王一帆|乔子越|郭斌|刘向根|吕建成|鞠伟