基于多尺度特征匹配与LDDMM的serial sections单细胞分辨率3D组织图谱重建方法Space-map

《Nature Methods》:Space-map: 3D single-cell atlas reconstruction from serial sections

【字体: 大 中 小 】 时间:2026年11月20日 来源:Nature Methods 28.3

编辑推荐:

  高分辨率三维(3D)组织图谱有望将细胞结构与组织功能相关联,但从包含数百万细胞的serial sections中组装此类图谱仍然具有挑战性。本文提出Space-map,一种从高内涵空间分子图谱中重建3D组织模型的精确且高效的方法。Space-map将多尺度特征

  
高分辨率三维(3D)组织图谱有望将细胞结构与组织功能相关联,但从包含数百万细胞的serial sections中组装此类图谱仍然具有挑战性。本文提出Space-map,一种从高内涵空间分子图谱中重建3D组织模型的精确且高效的方法。Space-map将多尺度特征匹配与大变形微分同胚度量映射(LDDMM)相结合,在保持局部微解剖结构的同时实现serial sections间的自动化全局对齐。研究人员从serial sections中生成空间转录组学(Xenium;约270万个细胞)和蛋白质组学(CODEX;约480万个细胞)数据集,以构建结肠息肉和健康肠道组织的3D模型。这些模型揭示了息肉中的细胞类型异质性,以及健康肠道中保留的隐窝和腺体结构及黏膜-腔连续性。在自有和公开数据集上的基准测试表明,Space-map相较于现有方法实现了显著更高的配准精度和高达十倍的加速,支持其作为在单细胞分辨率下构建3D人类组织图谱的稳健框架。
研究背景:将人类器官的分子图谱绘制于三维(3D)空间中,将改变人们对健康和病变状态下组织结构及细胞-细胞相互作用的理解。高分辨率空间 profiling 技术对二维(2D)薄组织切片(通常5至10 μm厚)的分析揭示了对于组织功能至关重要的精细组织结构。然而,近期研究发现传统的5 μm 2D切片可能截断细胞,极大地复杂化了表型分析。2D图谱还遗漏了只能在3D中解析的组织结构关键特征。这些考量推动了使用serial-section重建或深层组织成像(3D共聚焦显微镜或光片荧光显微镜LSFM)进行组织3D分析。深层组织成像受限于分子靶标数量和因组织透化导致的灵敏度问题。目前,连续薄切片的serial重建仍是高通量、多组学3D组织研究的实用策略。每张切片可独立使用空间分析方法进行profiling,分析单一分子层(RNA、蛋白质或代谢物),或使用同时捕获多种模态的新方法。近期图谱规模的研究从数十张serial sections(通常超过15张)组装3D组织图谱,已证明3D重建在多种组织类型中的生物学价值。基于成像的空间转录组学分析(Xenium、CosMx、MERFISH)的最新进展大大提高了空间分辨率至单细胞以下,并提供同时分析数百个RNA靶标的新机会。基于抗体的空间蛋白质组学成像分析(CyCIF或CODEX)提供50–100种蛋白质的亚细胞分辨率数据和细胞形态及细胞-细胞相互作用的精确描绘。大多数空间分析方法也与形态学评估兼容,为构建结合分子和组织学特征的多模态3D图谱提供了独特机会。从薄serial sections重建3D组织图谱的关键挑战是图像配准过程,即将serial 2D图谱对齐并变换至同一坐标系以创建准确的3D模型。由于组织切片和实验处理过程中的组织变形和丢失,该过程具有挑战性。这些缺陷容易传播为3D模型中的大误差,因为最优的成对对齐不一定导致全局最优的3D模型,尤其是从20–30张薄切片组装3D模型时。现有方法如PASTE和PASTE2结合表达谱与细胞坐标并执行非刚性变换,但它们主要针对较低空间分辨率数据(如Visium)开发,不易扩展至包含数百万细胞的单细胞图谱。其他方法包括STalign、GPSA和SANTO在单细胞坐标数据上操作并执行成对非刚性对齐,缺乏将多张serial sections组装为连贯3D坐标图所需的多切片全局优化步骤。此外,STalign可能需要初始手动landmark选择步骤,影响其性能,且对大型多切片数据集计算成本高昂。潜在空间方法如STitch3D使用深度神经网络联合建模多个切片进行3D空间整合,但不产生显式的细胞坐标对齐。这些方法共同凸显了该领域的快速进展,但也留下了一个实用空白:一个直接操作单细胞坐标、支持多样高内涵空间分析并执行多张serial sections间多切片全局对齐的框架。为解决这些挑战,研究人员开发了Space-map,一种用于构建3D组织图谱的多模态、多尺度计算方法。Space-map的关键创新是多张serial sections间的自动全局对齐,而非将相邻切片的成对对齐拼接在一起。这种多切片优化减少了累积漂移并提高了最终3D组织模型的一致性。作为HuBMAP组织图谱中心,研究人员对 human intestine 的serial sections进行profiling以创建3D分子组织图谱,并使用这些数据集开发和评估Space-map。Space-map直接操作细胞坐标,并已在多种高内涵分子平台(包括空间转录组学Xenium、MERFISH和空间蛋白质组学CODEX、CyCIF)的serial-section重建中得到验证。Space-map首先生成细胞坐标的密度图,使用LoFTR和SIFT特征进行粗对齐并结合稳健的仿射估计,然后使用GPU加速的LDDMM流程在多个分辨率下精化对齐。这种两阶段策略结合了全局组织对齐与局部变形校正,能够高效对齐多个组织切片的大规模细胞数据。为展示Space-map的能力,研究人员从人类结肠息肉生成了30张serial sections的Xenium数据集,并从serial-sectioned健康十二指肠和乙状结肠组织生成CODEX数据集。这些高分辨率serial-section Xenium和CODEX数据集为未来3D重建和配准研究提供了有价值的基准资源。研究人员应用Space-map构建了健康和病变状态下人类肠道的高分辨率3D组织图谱,并在Lin等人的公开结直肠癌数据集上进一步评估。与现有方法相比,Space-map的高效算法在自有和公开数据集上实现了更高的精度。Space-map可在https://github.com/czhu/space-map免费获取,以支持3D分子组织图谱的更广泛采用。

研究人员开展的研究:研究人员开发了Space-map,一种多模态、多尺度方法,用于对齐多个组织切片以重建3D模型。Space-map将细胞坐标栅格化为2D密度图并应用两阶段配准方法。该方法能够从包含超过20张切片中超过200万个细胞的空间数据集高效重建连贯的3D组织。为处理数十张切片中的数百万细胞,Space-map使用2D降维策略:首先将细胞位置映射为2D密度图,将计算复杂度从O(n2)降至O(n),提高处理效率;对齐变换可从密度图计算并随后应用于原始细胞坐标,从而保留单细胞空间信息。密度图的分辨率决定空间细节水平:较粗的图强调全局组织结构,较细的图捕获细胞密度的局部变化。为解决缺失区域和组织变形,Space-map实施多级稳健对齐策略,使用基于Transformer的LoFTR算法和传统SIFT进行特征点提取,并采用多级特征过滤机制确保高对齐精度。为避免过拟合,默认每个网格单元仅保留一个特征点;细胞类型信息和基因表达谱可作为可选约束纳入。获得可靠特征点对后,应用基于RANSAC的两层迭代优化算法进行粗对齐:首先按可靠性分数对所有特征点对排序,每次迭代选择前M个点并使用RANSAC随机选择K个点拟合仿射变换矩阵,通过计算变换后与目标切片间的Dice系数选择最大化该系数的变换矩阵。这种两层优化策略有效处理低相似性切片并为后续精调提供稳健初始条件。对于全局优化,Space-map使用两阶段配准策略:第一阶段执行初始仿射变换,不仅考虑当前切片对还考虑先前已对齐的切片以保持整体结构连贯性,这种全局视角避免过拟合并为后续精细对齐提供更好初始条件;第二阶段聚焦局部区域的精细对齐,使用LDDMM整合平滑的时变速度场生成微分同胚变换,在保持拓扑的同时将源密度图与目标图对齐。通过整合多张先前已对齐切片的对齐信息,Space-map旨在减少累积漂移。研究人员使用Xenium分析对30张5 μm厚的人类结肠息肉连续切片进行profiling,该息肉为来自家族性腺瘤性息肉病患者的低级别异型增生管状腺瘤。Xenium panel靶向422个基因,包括322个预设计结肠panel基因和100个自定义基因,覆盖健康结肠、肿瘤和结直肠癌中的主要细胞类型、状态和转变。研究人员对总计270万个细胞和1.236亿个转录本进行了profiling,每张切片平均约93,000个细胞、每个细胞48个转录本和26个基因,共注释39种细胞类型。除核染色和转录本定位外,还在同一Xenium玻片上进行H&E染色。研究人员使用连续切片3–22重建最终3D息肉模型。放大视图揭示单细胞分辨率下隐窝的精细结构。组织学图像经对齐以补充基于细胞质心的重建。3D组织图还揭示息肉内免疫细胞与其他细胞类型的空间关系。每个细胞类型展现独特空间模式:肌成纤维细胞主要位于组织基质中,CD8? T细胞弥散分布,干样细胞聚集于特定区域,未成熟肠上皮细胞形成特征性上皮层。局部Dice分析进一步支持区域对齐变异性是 context-dependent 而非反映特定层或区域的系统性失败。这些结果表明Space-map能够从serial Xenium切片重建细胞类型分辨的3D组织 organization。研究人员还使用CODEX分析对健康供体的16张serial sections(十二指肠和乙状结肠)进行profiling,CODEX panel靶向52种蛋白质,覆盖免疫、上皮、淋巴和基质细胞及细胞外基质。每张CODEX切片在十二指肠平均约196,000个细胞,乙状结肠约106,000个细胞。Space-map重建了80 μm厚的3D组织体积,十二指肠包含310万个细胞,乙状结肠包含170万个细胞。细胞类型特异性渲染进一步说明Space-map保留了分层组织结构并实现多个主要细胞群跨serial sections的可视化。为在更具异质性的肿瘤数据集上进一步评估Space-map,研究人员将其应用于CyCIF生成的公开结直肠癌数据集。Space-map产生的重建具有与原始3D模型相似的大规模组织 organization,同时在复杂区域显示改善的局部空间连贯性。在突出区域,Space-map更好地保留了组织边界和弯曲的肿瘤结构,相邻隔室间彩色细胞信号的artificial mixing更少。这些重建提供了具有不同组织结构、细胞密度和切片间距的数据集,用于评估Space-map的配准精度和稳健性。

研究结果:
Overview of the Space-map method:研究人员开发了Space-map,一种多模态、多尺度方法,用于对齐多个组织切片以重建3D模型。Space-map将细胞坐标栅格化为2D密度图并应用两阶段配准方法,能够从包含超过20张切片中超过200万个细胞的空间数据集高效重建连贯的3D组织。通过2D降维策略将计算复杂度从O(n2)降至O(n),结合多级稳健对齐策略和两阶段全局优化配准,Space-map实现了高效且精确的多切片对齐。

Constructing 3D maps of a human polyp using Xenium:研究人员使用Xenium分析对30张5 μm厚的人类结肠息肉连续切片进行profiling,共获得270万个细胞和1.236亿个转录本,注释39种细胞类型。使用连续切片3–22重建3D息肉模型,放大视图揭示单细胞分辨率下隐窝的精细结构,3D组织图揭示息肉内免疫细胞与其他细胞类型的空间关系及每种细胞类型的独特空间模式,表明Space-map能够从serial Xenium切片重建细胞类型分辨的3D组织 organization。

Construction of 3D reference intestinal maps using CODEX data:研究人员使用CODEX分析对健康供体的16张serial sections(十二指肠和乙状结肠)进行profiling,Space-map重建了80 μm厚的3D组织体积,十二指肠包含310万个细胞,乙状结肠包含170万个细胞。细胞类型特异性渲染说明Space-map保留了分层组织结构并实现多个主要细胞群跨serial sections的可视化,为比较不同肠道区域的组织结构和细胞-细胞相互作用提供了重要见解。在公开CyCIF结直肠癌数据集上,Space-map产生的重建在复杂区域显示改善的局部空间连贯性,更好地保留了组织边界和弯曲肿瘤结构。

Benchmarking Space-map alignment accuracy:研究人员使用Xenium-Polyp、CODEX-Sigmoid和公开MERFISH-Brain数据集,将Space-map与PASTE和STalign-GT进行基准比较,使用稀疏Dice系数及密度图soft Dice、occupancy IoU、边界IoU、Chamfer距离、密度图Pearson相关和MS-SSIM等多种指标评估配准质量。Space-map在所有评估数据集中取得最佳整体性能,平均稀疏Dice系数为0.96,高于PASTE(0.90)和STalign-GT(0.93)。在计算效率方面,Space-map比STalign-GT快约十倍且使用更少内存(1.6 GB vs 4.6 GB)。在MERFISH-Brain数据集中,Space-map将结构相似性分数从初步对齐后的0.513提高至全局对齐后的0.572,相对增加12%,支持Space-map减轻长serial堆叠中累积漂移的解读。

Space-map preserves 3D morphology and enables cell-type distribution maps:研究人员比较了Space-map全局对齐与仅成对重建在CODEX-Sigmoid数据集上的3D形态差异。全局对齐重建显示跨serial sections上皮结构间隐窝/腺腔和周围固有层更大的连续性,而仅成对重建显示局部模糊和相邻黏膜结构的部分融合。轴向腔连续性定量分析进一步表明全局对齐产生更大的最大贯穿腔柱、更大的累积贯穿腔体积和更多保留连贯轴向核心的腔。在Xenium-Polyp数据集中,上皮/分泌、基质/血管、免疫和神经/ICC隔室展现跨组织切片的 distinct 但部分交织的3D空间模式;而CODEX-Sigmoid重建显示更隔室化的隐窝样 organization。这些分析表明Space-map支持生物学可解释的3D读出,包括局部组织形态、z轴细胞邻域和跨重建组织体积的区域细胞分布图。

讨论部分总结:从serial sections创建3D组织图已成为近期器官图谱计划的核心需求。高分辨率空间profiling技术的进步导致日益复杂的单细胞坐标数据集,而先前方法并非专门设计用于处理这些数据,这推动了针对细胞坐标输入和全局一致3D坐标输出定制配准框架的需求。Space-map结合自动化特征匹配与基于LDDMM的精化,同时保留细胞级坐标,专为3D空间组学数据的精确对齐和重建而设计,实现全局结构整合同时保留精细微解剖特征,具有竞争力的精度和改善的计算效率。Space-map的一个显著优势是其计算效率和可扩展性,通过将细胞位置栅格化为像素图像实现,配准运行时间主要随像素数量而非细胞数量扩展,使算法将计算复杂度从O(n2)降至O(n),特别有效地应对空间组学技术通量和分辨率的提升。Space-map的一个重要优势是其容忍组织切片间适度间隙的能力,这是组织处理和切片过程中实验约束常见的挑战。在间隙容忍分析中,移除中间切片时对齐精度如预期下降,反映较远切片间共享结构的减少,但Space-map在适度缺失深度设置下保留了可用的配准性能。该任务与缺失切片插补不同,现有方法如iStar和InterpolAI旨在推断或生成缺失切片的内容,而Space-map配准实验可用的切片。将此类插补或插值方法与Space-map结合可能为高通量3D重建流程提供有用的未来方向。此外,Space-map的灵活框架能够纳入其他细胞特征(如基因表达水平、蛋白质表达或细胞类型注释),以进一步改善异质性区域的对齐。尽管具有这些优势,Space-map仍有若干局限性。第一,高度异质性组织、受损切片或共享结构弱的切片仍然具有挑战性,如果变形约束不足,非线性精化可能过拟合;Space-map提供两种对齐模式("prioritize similarity"和"prioritize shape"),允许用户平衡局部匹配精度和全局形状保留。第二,Space-map的基于网格的表示引入了计算效率与精细空间细节保留之间的权衡,低于所选网格分辨率的空间关系在配准过程中不被直接保留;网格分辨率和每网格特征点预算是用户可调参数,默认值针对本文评估的组织尺度选择,但更密集或更无序的组织可能需要更高网格分辨率或自适应特征保留,代价是额外计算。重要的是,运行时间由输入特征(包括切片变形、切片间相似性和特征密度)决定,而非仅由组织类型决定。Space-map主要在具有相对一致间隔(如5 μm厚度)的连续serial组织切片上验证,对于更多变的物理间距、大量组织丢失或切片间弱对应可能需要额外优化。对于使用LSFM成像的更厚切片(>100 μm),配准可能更具挑战性,因为每张切片在深度上可能包含更大的结构变异且与相邻切片的直接对应可能减少;研究人员设想通过使用一张切片底面附近和下一张切片顶面附近的细胞作为匹配层来使Space-map适配LSFM数据集,但Space-map尚未在真实LSFM数据集上测试。该方法已在整合空间转录组学与形态学方面展示有效性;将这一能力扩展至整合同一样本的空间蛋白质组学与转录组学将增强对组织结构和功能的理解。由于Space-map操作提取的细胞坐标和掩码而非原始图像强度,它可能比基于图像强度的方法更耐受模态特异性差异;然而,染色化学、信号采集和分割的差异仍可能影响提取的坐标,系统性跨模态评估仍是重要的未来方向。此外,将数据对齐至common coordinate frameworks将进一步支持数据整合并使跨技术平台比较成为可能。

研究结论翻译:总之,Space-map为空间组学数据的高分辨率3D重建提供了稳健且多功能的计算方法。其在Xenium和CODEX数据集上的应用表明,Space-map生成连贯的单细胞3D组织重建,并为研究组织结构、区域细胞类型组织和跨组织深度的空间关系提供了可扩展的框架。
相关新闻
生物通微信公众号
微信
新浪微博

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