连续多模态组织切片的图像引导配准对齐

《Cell Reports Methods》：Image-guided alignment of consecutive multi-modal tissue slides

　　

研究人员提出COAST（consecutive multi-omics alignment of spatial tissues，连续空间组织多组学对齐），一种仅依赖空间数据伴随染色图像、将连续组织切片进行物理配准以构建统一多模态分子数据集的方法。COAST不依赖共有分子特征或先验标注，利用与空间组学数据配对的染色图像（核染色或H&E）构建共享特征空间，将不同切片的观测映射至共同坐标框架（CCF）。研究在多种空间转录组学（SRT）技术、不同组织与分辨率下验证其性能，达到与已有单模态对齐工具相当的水平；并将COAST应用于小鼠缺血再灌注损伤（IRI）模型的连续切片，整合Stereo-seq（spatial enhanced resolution omics-sequencing）空间转录组与MALDI-MSI（matrix-assisted laser desorption/ionization mass spectrometry imaging）空间代谢/脂质组，探究转录定义的细胞类型中脂质与代谢物特征。结果表明，COAST为跨技术、跨模态的空间数据对齐提供了简洁、可推广的集成方案。

研究背景与动机

随着空间组学技术快速发展，研究者常组合不同技术刻画组织中多分子层特征。但在同一组织切片上开展多组学仍受限于切片制备差异与组织降解，因此多在连续切片上分别测量不同模态。连续切片因切片形变、扭曲及模态间结构差异，精确配准是下游多模态分析的前提。现有方法多依赖共有分子特征匹配（如基于图神经网络、最优传输或高斯过程对齐特征分布）或人工/自动识别地标进行仿射变换，前者难以推广到无匹配特征的跨模态场景（即对角整合），后者在组织缺乏清晰可视结构时费力且不实用。为此，研究人员开展本研究，提出不依赖分子特征、仅利用配对染色图像实现连续多模态切片物理对齐的新框架COAST，论文发表于《Cell Reports Methods》。

主要关键技术方法

研究人员采用预训练ssDINO视觉Transformer（ViT-S/16，自监督无标签蒸馏）对配对染色图像分块提取384维嵌入，构建跨切片共享图像特征空间；沿用CAST Stack模块先作梯度下降刚性变换（平移、旋转、缩放、反射），再以B样条自由形变（FFD）基于嵌入相似度非线性配准，将查询切片坐标映射至参考坐标框架；最后用k-d树最近邻在变换后坐标下按物理邻近匹配spot/cell，设定最大距离阈值过滤无效匹配，输出统一单/多模态矩阵。基准对比方法包括CAST、MOSCOT（multi-omics single-cell optimal transport）与人工刚性对齐。评估指标为地标欧氏距离、三阶邻域保留率、单模态下匹配点基因表达余弦相似度。样本队列涵盖10X Visium小鼠脑三对连续切片、Xenium人肺癌与卵巢癌连续切片、MOSTA小鼠胚胎Stereo-seq连续切片，以及小鼠IRI模型连续切片（Stereo-seq转录组与MALDI-MSI代谢/脂质组，间隔10 μm，三生物重复）。

研究结果

Overview of COAST

研究人员将COAST设计为三模块框架：图像分块经ssDINO提取嵌入→CAST Stack刚性+FFD配准→基于变换坐标邻近匹配。通过共享图像特征而非分子剖面建立对应，把跨模态连续切片对齐重构为垂直整合任务。定量用地标距离、邻域保留、基因表达相似三项指标。

COAST aligns 10X Visium consecutive sections based on the paired H&E images

在小鼠脑Visium三对连续切片（矢状后、冠状、矢状前）上，COAST仅用H&E图像，地标中位距离102.20/12.39/135.29像素（Visium间距69/138像素），显著优于未对齐与刚性对齐，与CAST相当，在冠状数据显著优于MOSCOT；三阶邻域（24 spot）保留率≥75%原始邻域；匹配spot基因表达余弦相似度与CAST/MOSCOT相当。人工施加90°旋转与水平翻转后仍能恢复合理对齐，证明对大空间扰动鲁棒。

Alignment of high-resolution Xenium datasets using COAST

在人肺癌、卵巢癌Xenium单细胞分辨率连续切片（约25万细胞/片）上，COAST与CAST均显著优于刚性对齐，细胞三阶邻域（24 cell）保留≥75%；因两片基因面板不同，表达相似度整体偏低但COAST与单模态基准相当，证明框架可泛化至单细胞分辨率。

COAST generalizes to uni-modal data with nuclear staining images

在MOSTA小鼠胚胎Stereo-seq核酸染色连续切片（间距数百微米）上，COAST地标距离显著低于MOSCOT与刚性对齐，与CAST无显著差异；Stereo-seq网格三阶邻域（48 spot）100% spot保留≥35邻点；匹配区解剖注释一致比例各法无显著差异。证明COAST可泛化至核染色且耐受切片间距。

COAST aligns spatial transcriptomics, metabolomic, and lipidomic data from the mouse kidney

在小鼠IRI肾连续切片（Stereo-seq+ssDNA染 vs MALDI-MSI+DAPI染，跨染色平台）上，COAST三地标距离均显著低于未对齐/刚性；MALDI侧三阶邻域（48 spot）99.4%/98.4%/98.7% spot保留≥40邻点，95.6%/93.5%/94.2%全保留。证明跨核染色平台、跨模态仍可高精度配准并保留细微架构。

COAST alignment identifies of multi-modal cell-type markers

基于配准后的统一矩阵，研究人员比对文献脂质标志物与转录定义细胞类型富集：如m/z 782.6在PT-S1/S2、DCT、CNT富集；m/z 822.7、838.7在PT-S3高于PT-S1/S2，符合S3低氧易损表型；CNT与DCT共享9/10_top代谢物标志（m/z 185.0等）；PT-S3独有高质荷比脂质（m/z 809.6等）。空间分布上m/z 736.6与DCT/CNT及PT-S1/S2区域重叠且在DCT显著高表达。结果显示对齐精度足以支撑跨模态标志物发现。

讨论与结论翻译

研究人员讨论指出，COAST仅用图像数据即可对齐连续切片，不依赖匹配分子剖面或细胞类型标注，避免偏倚并扩展至多模态；尽管未用表达信息，在单模态场景下匹配spot基因表达相似度仍高，且邻域保留证明架构不被破坏。COAST适用于H&E与核染色等多种染色，模块化可替换ViT或匹配策略。局限在于小组织区或免疫荧光边缘弱染色时性能下降，跨平台图像需预处理消平台效应，且本质上依赖形态学图像——无高清图像或切片间解剖距离过大（如不同发育时点）则假设失效。结论：建立连续切片间可靠物理对齐是多模态下游与生物学推论的关键前提；COAST以准确、保架构、跨模态、不依赖先验知识的方式满足该需求，构成稳健灵活的对齐流水线。