空间转录组学(ST)数据分析中的ST-社区检测方法

《Stats》:ST-Community Detection Methods for Spatial Transcriptomics Data Analysis

【字体: 大 中 小 】 时间:2026年01月03日 来源:Stats 1

编辑推荐:

  本文针对由CosMx和Xenium等近期生物技术产生的单细胞空间转录组学(single-cell spatial transcriptomics, ST)数据展开研究,该类数据包含细胞类型与空间位置信息,即(C,x,y),其中C为细胞类型,(x,y)为其空间位

  
本文针对由CosMx和Xenium等近期生物技术产生的单细胞空间转录组学(single-cell spatial transcriptomics, ST)数据展开研究,该类数据包含细胞类型与空间位置信息,即(C,x,y),其中C为细胞类型,(x,y)为其空间位置。此类数据蕴含大量癌症组织样本信息,通过检测ST-社区(ST-Community)——定义为具有不同细胞类型组成且基于邻近细胞百分比具有相似邻域模式的细胞集合——对癌症研究具有重要潜力。然而,对于海量CosMx单细胞ST数据,现有聚类方法难以有效进行st-社区检测,常用的k近邻(k-nearest neighbor, kNN)组成型数据方法也缺乏信息丰富的邻近细胞模式。本文提出一种新型且信息更丰富的圆盘组成型数据(disk compositional data, DCD)方法用于单细胞ST数据,该方法充分考虑了近期新技术的ST数据特征以识别每个细胞的邻近模式。将单细胞ST数据初步处理为DCD矩阵后,本文进一步提出创新的DCD-TMHC计算方法用于st-社区检测。广泛的模拟研究及CosMx乳腺癌数据分析——作为单细胞ST数据集的实例——明确显示,所提出的DCD-TMHC计算方法优于其他现有方法。基于对CosMx乳腺癌数据检测得到的st-社区,逻辑回归分析结果表明,所提出的DCD-TMHC计算方法产生更具可解释性和优越性的结果,尤其在不同癌症类别评估方面。这些研究表明,本文提出的新型且信息丰富的DCD-TMHC计算方法将有助于并影响未来基于单细胞ST数据的癌症研究,从而改善癌症诊断并监测癌症治疗进展。
空间转录组学(spatial transcriptomics, ST) 技术的最新发展为癌症诊断和治疗的改善展现了巨大潜力。CosMx空间分子成像仪等生物技术平台能够产生包含组织与细胞图像以及单细胞水平基因表达信息的数据,这些详细信息可被处理为单细胞ST数据(C,x,y)。与传统的空间组学技术如CODEX、Visium和GeoMx相比,CosMx和Xenium等新技术提供了更丰富的数据信息,特别是在单细胞分辨率层面。

在癌症研究领域,具有细胞类型和空间位置信息的数据已被证明有助于识别与生存率和不同治疗结局相关的特殊细胞类型群组。Schrch等利用CODEX数据在结直肠癌研究中识别出九个不同的细胞邻域,发现了与高危患者更好生存相关的特定粒细胞邻域中PD-1+ CD4+ T细胞的富集现象。Shiao等同样利用CODEX数据在三阴性乳腺癌研究中识别出12个不同的空间区域,帮助检测和分析两组患者对治疗的不同免疫反应。在此背景下,研究人员将ST-社区定义为由不同细胞类型组成且基于邻近细胞百分比具有相似邻域模式的细胞集合,该概念涵盖了前述研究中的"细胞邻域"和"空间区域"作为特例。

然而,对于CosMx等最新单细胞生物技术产生的海量单细胞ST数据,现有聚类方法存在明显局限。常用的kNN组成型数据方法将邻域细胞数固定为常数k,这在高密度区域会造成信息损失,在细胞间距变化大时也会产生误导性信息。此外,层次聚类(hierarchical clustering, HC)方法计算密集,无法处理海量数据;Leiden方法不适用于组成型数据;而肘部k均值法(Elbow k-means)、间隙k均值法(Gap k-means)、Mclust算法、基于密度的空间聚类应用与噪声算法(density-based spatial clustering of applications with noise, DBSCAN)以及层次DBSCAN(HDBSCAN)等方法或因假设条件过多、或因计算效率低下,均难以胜任CosMx海量数据的分析任务。特别地,Seurat方法、统一流形逼近与投影(uniform manifold approximation and projection, UMAP)-Mclust方法等与组成型数据不兼容,在模拟研究和数据分析中表现不佳。

针对上述挑战,研究人员开展了以下研究:首先提出一种新型圆盘组成型数据(disk compositional data, DCD)方法,该方法充分考虑了近期新生物技术的ST数据特征,以选定半径r的圆盘作为邻域,为每个细胞提供邻近细胞百分比信息。基于对DCD矩阵的处理,研究人员进一步构建了创新的DCD-TMHC(two-means and hierarchical clustering)计算方法,该方法结合2-均值(2-means, TM)方法与HC方法进行st-社区检测。DCD-TMHC方法的基本思路是:对海量单细胞ST数据连续使用2-均值方法,直到获得HC方法能够处理的足够小的簇,再对每个簇应用HC方法,期间利用统计显著性聚类(statistical significance of clustering, SigClust)方法验证簇间的差异性。该方法具有自适应特性,可根据计算能力调整2-均值方法的使用次数。

在模拟研究中,研究人员设计了五种不同的模拟设置,通过调整兰德指数(Adjusted Rand Index, ARI)评估各方法的准确性。结果显示,DCD-TMHC方法始终正确检测实际st-社区数量,并在准确设置下获得最高ARI值,明显优于间隙k均值、HDBSCAN和Mclust等方法。Mclust方法因基于贝叶斯信息准则(Bayesian Information Criterion, BIC)选择最优模型,往往将密集数据判断为单一社区,表现不佳。

在实际的CosMx乳腺癌数据分析中,研究人员应用NanoString公司提供的包含8个样本(4例患者的原发和转移配对样本)、总计601,634个细胞、9种细胞类型的数据集。使用r=250处理为DCD矩阵后,DCD-TMHC方法检测到19个st-社区。对比分析显示,DCD-TMHC方法检测到的肿瘤细胞最高百分比社区(99.7%)与其他方法结果相近,但在免疫细胞最高百分比社区检测上(62.2%)显著优于其他方法。更重要的是,DCD-TMHC方法能识别两个正常细胞最高百分比的st-社区,更好地反映了正常细胞邻域模式的异质性。

通过逻辑回归模型分析,研究人员评估了各方法检测的st-社区与癌症表型(原发癌与转移癌)的关联。在肿瘤细胞最高st-社区中,DCD-TMHC方法的逻辑回归曲线位于最下方,表明对于相同的高细胞占比x,该方法预测转移癌的概率最高,区分最为敏锐。在免疫细胞最高st-社区中,DCD-TMHC方法的曲线显著高于STM和肘部k均值方法,而10-均值方法和CNE-20方法的曲线呈下降趋势,预测能力不当。在正常细胞相关st-社区中,DCD-TMHC与STM方法表现相近且优于其他方法。

该研究发表于《Stats》期刊,其主要结论为:针对CosMx等近期生物技术产生的海量单细胞ST数据,现有聚类方法及常用的kNN组成型数据方法存在明显不足;所提出的DCD-TMHC方法通过构建新型圆盘组成型数据表示,结合自适应的2-均值与层次聚类策略,在模拟研究和实际CosMx乳腺癌数据分析中均表现优异;基于该方法检测的st-社区,逻辑回归分析显示出更好的可解释性和优越性,尤其在原发癌与转移癌评估方面。该DCD-TMHC方法将对未来基于单细胞ST数据的癌症研究产生积极影响,有助于改善癌症诊断和监测治疗进展。未来研究可进一步将该方法应用于更多癌症类型和阶段的样本分析,结合广义线性模型、加权经验似然方法、广义潜在比例分层风险模型等统计方法深化应用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号