使用sosta从空间组学数据分析多细胞解剖结构

《PLOS Computational Biology》：Analysis of multicellular anatomical structures from spatial omics data using sosta

　　

空间组学技术能够在保留组织内空间背景的同时，实现高分辨率、大规模分子特征的定量分析。现有分析方法大多聚焦于单细胞的空间排列，而生物学功能往往源于多细胞排列。在此，研究人员引入了空间组学数据的基于结构的分析（structure-based analysis），其核心在于直接分析多细胞解剖结构。研究人员利用两个公开数据集展示了此类分析，并提供了sosta——一个开源Bioconductor软件包，以供社区广泛使用。

论文解读：基于sosta的空间组学多细胞解剖结构分析

空间组织在不同尺度上反映着生物学功能，细胞与组织倾向于自组织为空间分隔的解剖结构，这些结构具有特定生物学功能，其形态与位置往往体现了这些功能的差异。近年来，空间组学技术使得研究者能够在保留空间背景的同时，以前所未有的规模和分辨率量化分子特征，这催生了以解剖结构维度为关注焦点的数据分析需求。然而，现有计算方法大多聚焦于单细胞在单个组织或切片中的排列，例如细胞邻域、空间域或细胞间相互作用模式；检测空间可变特征或梯度的方法也往往未考虑解剖结构层面的异质性；针对多样本、多条件的空间数据集的分析方法更少。因此，目前缺乏在解剖结构层面进行系统分析的通用框架。研究人员提出了一种新的数据分析范式——基于结构的分析，以（计算提取的）解剖结构为基本单元和分析分辨率，补充了细胞类型注释和空间域检测的现有研究。为奠定分析基础，研究人员开发了sosta（spatial omics structure analysis，空间组学结构分析），一个开源的Bioconductor软件包，用于从空间组学数据中重建、表征和比较跨尺度的解剖结构。

为开展研究，研究人员采用了以下关键技术方法。首先，基于密度的结构重建：利用点模式密度估计的阈值来重建结构轮廓，其中点模式可以是选定细胞类型的质心、感兴趣转录本的位置、空间域标记或任何与细胞相关的空间协变量；密度估计和核选择基于Diggle等人的方法，在R包spatstat中实现，重建结构以多边形存储。其次，参数自动估计：通过强度分布的一阶和二阶模式自动估计阈值c，并提供辅助函数用于手动调整。第三，形态学特征量化：计算面积、圆度、偏心率等几何特征，并将细胞与结构相关联，测量细胞到结构边界的距离。第四，差异特征分析：采用线性混合效应模型处理多样本多条件数据中的嵌套相关结构。研究还基于模拟图像比较了sosta与imcRtools、SPIAT、CellCharter、GRIDGENE等方法的性能。

在方法比较中，研究人员通过模拟二元图像生成已知结构并采样点，使用Jaccard指数评估各方法的重建性能。结果表明，基于密度的方法明显优于围绕点集构建凹包的方法；sosta取得了最佳性能，GRIDGENE在手动选择最优参数时达到类似结果。sosta在高噪声条件下性能方差增大，但平均性能与低噪声条件相当；目标细胞数量对重建精度影响较小。这突出了sosta中基于密度的方法和自动参数选择的优势。

在“重建和定量结肠组织中的上皮隐窝”部分，研究人员利用Crowell等人的人类结肠（HC）到结直肠癌（CRC）转化空间转录组数据集，计算了一系列几何特征，重点关注“纤维宽度”（fibre width），即内隐窝边界与外隐窝边界之间的宽度。结果显示，纤维宽度沿病理进展从HC到TVA再到CRC逐渐增加，在结构和细胞类型层面均显著，反映了与隐窝增厚相关的形态学渐变。纤维宽度与结构内细胞的中位伪时间呈强正相关（Spearman’s ρ = 0.46, p < 10?1?）。进一步重建并定量单个上皮隐窝后，发现“形状指数”（shape index）反映了从正常上皮规则隐窝到癌前区域不规则隐窝的转变（Spearman’s ρ = 0.22, p < 10?1?）。通过基于与重建隐窝相邻细胞类型频率的过滤，研究人员识别出七个手动注释的过渡隐窝之一，并发现了可能从头出现的过渡隐窝；尽管该方法漏检了部分手动注释隐窝，但额外候选隐窝在组织病理学图像中也表现出过渡模式。该分析为理解CRC进展过程中的形态学转变提供了新的视角。

在“重建和分析人扁桃体生发中心解剖相关梯度”部分，研究人员对一份人扁桃体空间转录组数据集进行了基于结构的分析。生发中心（GC）是B细胞沿明确解剖轨迹（从明区LZ到暗区DZ）成熟的部位。研究人员使用密度重建定义GC，并在每个GC内构建解剖相关轴，通过将GC内所有点按距离分箱平均表达量，使用最大信息系数（MIC）识别沿LZ-DZ轴变化的基因。共鉴定出1569个具有空间可变表达谱的基因（MIC > 0.999），其中包括已知的B细胞增殖、成熟和抗原呈递标志物（如MKI67、CIITA）。该例子表明，基于结构的分析能够在不依赖离散细胞类型的情况下，直接恢复可解释且解剖相关的基因表达梯度。

在可用性与未来方向方面，研究人员指出，空间组学分析方法长期聚焦单细胞水平，未能充分捕捉组织结构差异带来的异质性；尺度是分析空间组学数据的重要因素，而经典组织病理学早已意识到多细胞解剖模式的意义。sosta作为Bioconductor框架下的模块化、可扩展工具，支持在不同尺度上进行基于结构的分析。其密度重建方法既能分析少数细胞或转录本组成的结构（如三级淋巴结构），也能分析包含数千个细胞的癌组织。目前研究者常以先验生物学知识指导指标选择，未来可探索无监督方法以在解剖结构层面识别生物学相关特征。研究人员强调，必须注意基于结构的分析中存在的相关性结构，因为同一实验单元可提取出多个测量值。尽管框架覆盖了从单样本到多样本多条件设置的重建、定量和比较，但每一步仍有大量可用方法；sosta的灵活和可扩展框架可容纳该领域的未来发展。