《Briefings in Bioinformatics》:SpaHDSRL: hierarchical dual-graph self-supervised representation learning for integrating spatially resolved multi-omics data
编辑推荐:
空间多组学技术能够在天然空间背景下同时测量多种分子模态,为刻画组织结构和细胞异质性提供了机会。然而,由于此类数据同时编码空间邻接性和分子相似性,并受到高维性、稀疏性、噪声及跨模态异质性的限制,有效整合仍面临挑战。在此,研究人员提出SpaHDSRL,一种用于空间
空间多组学技术能够在天然空间背景下同时测量多种分子模态,为刻画组织结构和细胞异质性提供了机会。然而,由于此类数据同时编码空间邻接性和分子相似性,并受到高维性、稀疏性、噪声及跨模态异质性的限制,有效整合仍面临挑战。在此,研究人员提出SpaHDSRL,一种用于空间多组学整合的分层双图自监督表示学习框架。SpaHDSRL联合建模共享空间图与模态特异性特征图,并通过自适应门控分层融合策略进行整合,以学习连贯且信息丰富的潜在表示。为进一步提升表示质量,SpaHDSRL将基于深度图信息最大化(Deep Graph Infomax,DGI)的目标函数与空间正则化相结合,同时保持全局信息性和局部空间一致性。在模拟和真实数据集上的实验表明,SpaHDSRL在空间域识别的准确性和鲁棒性方面均持续优于现有方法。下游分析进一步凸显了其在标记物发现、功能富集、第二模态关联分析及细胞间通讯推断中的实用性,彰显了其在解析复杂生物系统中组织结构、发育程序和多细胞相互作用方面的价值。SpaHDSRL的源代码可在https://github.com/Lisa62103/SpaHDSRL获取。
**SpaHDSRL:面向空间多组学数据整合的分层双图自监督表示学习方法——论文解读**
**一、研究背景与问题提出**
空间分辨组学技术的最新进展使研究人员能够在天然组织背景下同时测量多种分子模态,为原位探究组织结构和复杂细胞间相互作用提供了前所未有的机遇。传统的单模态测量仅能捕捉单一层面的分子信息,而空间多组学数据则整合了多个分子层的互补信息,从而提供更全面的生物学系统视角。然而,有效整合此类异质性数据仍面临重大挑战。其核心难点在于数据同时包含两种互补的结构形式:反映局部组织结构的空间邻接性,以及捕捉共享细胞状态或功能程序的分子相似性。仅依赖空间邻近性可能会掩盖邻近区域间关键的分子异质性,而仅依赖分子相似性则可能破坏空间连续性与组织结构。此外,不同组学模态往往同时包含共享信息和模态特异性信息,使得在不丢失生物学意义信号的前提下推导统一表示变得困难。空间多组学数据固有的高维性、稀疏性和噪声进一步增加了整合的复杂性。现有计算方法虽已发展出多种多组学整合与空间域识别策略,但普遍存在若干局限:部分方法侧重于跨模态数据对齐至共享低维空间,但未能充分利用空间结构;另一些方法通过构建单一图表示融入空间信息,却未完全解决跨模态异质性或配对空间数据中共享与特异性信息的有效融合问题;即便是试图兼顾空间与分子信息的方法,也多采用较浅层的融合策略,难以在保留各模态局部邻域结构的同时捕捉跨模态互补性。此外,现有方法普遍缺乏稳健的自监督目标和明确的空间约束来学习生物学上有意义的统一表示。为克服上述局限,研究人员提出了SpaHDSRL框架。
**二、研究内容与主要结论**
研究人员开发了SpaHDSRL,一种用于空间多组学整合的分层双图自监督表示学习框架。该框架联合建模共享空间图与模态特异性特征图,从互补视角捕获组织结构与分子相似性。基于双图设计,SpaHDSRL采用自适应分层门控融合策略,先整合各模态内部的空间与分子表示,再跨模态聚合互补信息形成统一潜在表示。此外,框架引入基于深度图信息最大化(Deep Graph Infomax,DGI)的自监督目标函数和空间正则化项,以增强表示学习并保持空间连贯性。在模拟数据集与真实空间多组学数据集上的评估显示,SpaHDSRL在空间域识别、潜在表示学习及噪声扰动设置下的鲁棒性方面均持续优于现有代表性方法。下游分析包括标记基因表征、功能富集、第二模态关联分析及细胞间通讯推断,进一步证明基于SpaHDSRL的表示能支持不同组织背景下具有生物学意义的解释。研究结果表明,SpaHDSRL为空间多组学数据整合提供了有效且稳健的工具,有助于解析组织结构、发育程序及复杂生物系统中的多细胞相互作用。
**三、主要关键技术方法**
研究人员在多个数据集上评估了SpaHDSRL,包括两个模拟数据集和三个真实空间多组学数据集(E10小鼠胚胎脑、E13小鼠胚胎及小鼠胸腺,分别对应RNA-蛋白质、RNA-ATAC和RNA-ADT模态)。核心方法包括:(1)构建三个K近邻(KNN)图:一个基于坐标的共享空间图,两个分别基于各模态分子谱的特征图;(2)在每个模态内采用双图编码器,通过两路并行图卷积网络(GCN)分别处理空间图和特征图,生成空间嵌入与特征嵌入;(3)通过门控邻居聚合融合模块,利用交叉视图相似性矩阵选择跨视图邻居,以温度尺度化softmax归一化权重,并用自适应门控系数逐点整合两视图表示;(4)跨模态分层融合采用相似策略,以RNA模态为参考,通过模态间相似性矩阵和门控聚合得到联合表示;(5)采用DGI目标与空间正则化联合优化,以增强全局信息性和空间一致性。域分割采用统一的KNN-Leiden聚类流程。
**四、研究结果**
*模拟数据集基准测试*:在两个含真实标签的模拟空间多组学数据集上,与五种整合方法(pyWNN、Multigrate、COSMOS、SpatialGlue和SpaHDSRL)比较,SpaHDSRL在六个监督聚类指标(调整兰德指数ARI、归一化互信息NMI、Fowlkes-Mallows指数FMI、同质性、完整性和V-measure)上均获得最高平均分,且方差较小,表明其空间域识别准确性和鲁棒性更优。
*E10小鼠胚胎脑数据集*:SpaHDSRL识别的空间域与主要发育细胞群体紧密对应,如放射状胶质祖细胞呈现清晰层状关系。该模型在五个空间评价指标上均获最优表现。簇1注释为放射状胶质祖细胞,高表达Hmga2、Pax6、Lhx2和Sfrp1等神经祖细胞标志物;基因本体(GO)富集分析显示RNA结合、DNA结合、染色质组织等与神经祖细胞功能相关的术语富集。22种蛋白质特征均呈显著正空间自相关,蛋白质特征模式与转录组分析一致。
*E13小鼠胚胎数据集*:SpaHDSRL识别的结构域具有更强结构连贯性,合理区分神经相关区域与血液/间充质相关区域,在大多数空间评估指标上取得最优表现。簇2注释为成熟神经元,高表达Rtn1、Grin2b、Nrxn1、Mapt、Myt1l和Stmn2;GO分析显示轴突导向、轴突发生、神经元突起发育等术语富集。RNA表达与ATAC衍生基因活性在域水平上显示一致模式(如Edf1:Spearman ρ=0.988;Kdm1a:ρ=0.976)。
*小鼠胸腺数据集*:SpaHDSRL恢复了连贯且生物学上可解释的胸腺区域,在所有评估指标上均获最优分数。簇7注释为抗原呈递相关免疫域,高表达MHC I类抗原呈递机制关键组分H2-K1和B2m,以及免疫系标志物Cd52。GO富集分析显示细胞质翻译、翻译、大分子生物合成过程及细胞因子应答等术语富集。CellChat分析揭示了胸腺群体间的广泛串扰,MHC-I/MHC-II信号由抗原呈递细胞主导,LCK信号主要关联T细胞谱系,CCL信号富集于免疫与基质群体,GALECTIN信号提示广泛的免疫-基质通讯。
**五、讨论与结论总结**
讨论部分指出,SpaHDSRL存在若干实际考虑:该框架主要针对同一空间位置测量的配对数据,不适用于非配对数据集;鉴于其定向跨模态融合机制,当前最适合以信息较丰富的模态(如RNA)为参考模态,因此可能对输入模态顺序敏感,未来可探索对称或双向融合策略以减少此种依赖。此外,框架尚未显式建模长程空间相互作用、动态发育轨迹或细胞与组织区域间的高阶关系。结论部分总结:研究人员开发了层级双图自监督表示学习框架SpaHDSRL,通过共享空间图与模态特异性特征图的联合建模保留空间邻域结构与分子相似性,采用分层融合策略整合模态内及跨模态信息,结合DGI目标与空间正则化学习空间连贯且生物学信息丰富的表示。模拟与真实数据评估显示SpaHDSRL在空间域识别方面表现优异,空间连贯性与生物学可解释性更强,支持多种下游生物学分析,为空间多组学研究提供了有价值的整合工具。