SPiCe:整合图神经网络与地统计建模量化细胞可塑性的空间决定因素——以乳腺癌上皮-间充质可塑性研究为例

《Genome Biology》:SPiCe: integrative spatial modelling of cellular plasticity using graph neural networks and geostatistics

【字体: 大 中 小 】 时间:2026年11月21日 来源:Genome Biology 9.2

编辑推荐:

  细胞可塑性(cellular plasticity)是指细胞响应内在信号与环境线索而改变表型的能力,它对于发育和疾病至关重要,但至今仍难以量化。研究人员提出了SPiCe(Spatial Plasticity in Cellular environments,细

  
细胞可塑性(cellular plasticity)是指细胞响应内在信号与环境线索而改变表型的能力,它对于发育和疾病至关重要,但至今仍难以量化。研究人员提出了SPiCe(Spatial Plasticity in Cellular environments,细胞环境空间可塑性)框架,该框架整合图神经网络(graph neural networks,GNN)与空间回归模型,以预测并解释空间转录组学数据中的细胞状态变异。将其应用于乳腺癌的上皮-间充质可塑性(epithelial-mesenchymal plasticity,EMP)研究表明,间充质状态(mesenchymal states)可被拷贝数变异(copy number alterations,CNAs)与微环境线索所稳定,而混合状态(hybrid states)仍无法被预测,并揭示了肌成纤维细胞(myofibroblasts)对EMP的长程影响。综合分析为量化细胞可塑性及其空间决定因素提供了框架。
一、研究背景与问题

细胞可塑性(cellular plasticity,指细胞响应内在与环境线索而改变表型的能力)是发育与疾病的核心特征,也驱动癌症进展与治疗耐药。其范例为乳腺癌中的上皮-间充质可塑性(epithelial-mesenchymal plasticity,EMP,指癌细胞在上皮与间充质表型间转变的能力),使细胞得以在治疗规避与恶劣肿瘤微环境(tumor microenvironment,TME)中存活。然而,可塑性高度依赖情境而难以量化预测:突变与表观重塑可增强细胞对环境线索的响应,微环境则通过营养、氧梯度、基质硬度及旁分泌信号施加空间结构化压力,导致异质且常可逆的表型转变。实验体系(细胞系、类器官)缺乏空间分辨率与可扩展性;现有计算方法(如PATH、CellCharter、SIMVI、NCEM、GASTON、CRAWDAD及SpottedPy)或侧重遗传力推断、空间变异分解或梯度量化,均无法联合且可解释地量化内在因素(如拷贝数变异,copy number alterations,CNAs)与外在因素(如微环境)对塑性细胞状态的共同影响,凸显兼具预测能力与透明性的整合模型需求。

二、研究内容、结论与意义

研究人员提出SPiCe(Spatial Plasticity in Cellular environments),一种可解释的多层建模框架,整合图神经网络(graph neural networks,GNN)、空间误差模型(spatial error models,SEM)、地理加权回归(geographically weighted regression,GWR)与多尺度地理加权回归(multiscale geographically weighted regression,msGWR),以量化内在(基因组)与外在(微环境)因素对细胞可塑性的影响,并以乳腺癌EMP为概念验证。研究得出:间充质状态最可预测(稳定),混合状态最不可预测(可塑);肌成纤维细胞性癌症相关成纤维细胞(myofibroblastic CAFs,myCAFs)对EMP具有长程影响;小鼠皮层基准测试验证了框架对空间受限细胞类型的建模能力。该研究的意义在于证明AI与地统计建模的整合可量化细胞可塑性的空间决定因素,并提示基质重塑可在组织区域间传播可塑性,为超越即时细胞接触的治疗提供新思路。

三、关键技术方法(概括)

主要方法包括:以10最近邻(k=10)欧氏距离构建细胞无向图并以逆距离加权;采用三层图卷积网络(隐藏层维度16与32、ReLU激活、dropout 0.5)进行分类与回归,以空间块归纳式交叉验证评估泛化能力;用SCEVAN从匹配的Visium数据推断拷贝数变异并经主成分分析(principal component analysis,PCA)降维;以MSigDB 195基因EMT标志评分按四分位数将细胞分为四状态;以积分梯度与GNNExplainer实现可解释性分析;空间回归采用空间误差模型(SEM)、地理加权回归(GWR)与多尺度地理加权回归(msGWR),以R2与贝叶斯信息准则(BIC)评估。样本来源为MERFISH小鼠皮层数据集(Zhang等)、Xenium乳腺癌数据集(Janesick等,含匹配的Visium数据)及两个独立Xenium 5K数据集(乳腺肿瘤与肺腺癌)。

四、研究结果

1. 量化细胞可塑性的空间数据框架:研究人员假设难以从基因组或环境背景中预测的细胞状态可能具有更大的可塑性潜能,而可预测的状态代表受微环境约束的稳定表型;SPiCe将预测型GNN与可解释的地统计方法结合,支持分类(离散EMT状态)与回归(连续EMT评分)双重视角。

2. 利用GNN建模小鼠皮层空间受限状态:在MERFISH小鼠皮层数据上,空间受限的细胞类型(如L2/3 IT、L4/5 IT、L5 ET、L5/6 NP、L6 CT及VLMC)预测AUC均高于0.85,而少突胶质前体细胞(oligodendrocyte precursor cells,OPCs)与周细胞(Peri)预测最差;节点与边重要性分析重现了生物学预期的关联(如L2/L3 IT神经元与血管内皮及小胶质细胞的关联)。

3. 利用模拟空间转录组数据验证SPiCe:在含已知真实标签的Xenium样模拟数据(含上皮、混合、间充质状态细胞及CAFs、CD4+/CD8+ T细胞、巨噬细胞、内皮细胞)中,上皮与间充质状态的预测性能最高,混合状态则显著不可预测;模型成功恢复了“CD4+ T细胞富集于上皮生态位、CAFs与间充质状态相关”的预设关联。

4. 利用GNN建模乳腺癌细胞可塑性:基于Xenium乳腺癌数据(167,780个细胞),SCEVAN鉴定出8个肿瘤亚克隆,EMT评分按四分位数分为四状态;间充质状态最可预测(仅基于CNAs时平均AUC为71%,纳入TME后升至77%),混合状态最难预测;GNN平均ROC-AUC 0.65优于随机森林(random forest,RF)与多层感知机(multilayer perceptron,MLP);间充质状态与循环T细胞、自然杀伤T(natural killer T,NKT)细胞及CD44扩增(PC6)、ERBB2扩增(PC7)相关,混合-间充质状态呈免疫逃逸特征(myCAFs与巨噬细胞最为重要),上皮状态与记忆B细胞、CXCL12+及ACKR1+内皮细胞相关;随EMT进展,TME因素发生渐进重连;两个独立Xenium 5K数据集验证了一致趋势(间充质状态中位ROC-AUC>80%);与SIMVI的比较获得互补支持。

5. 利用空间回归建模乳腺癌细胞可塑性:SEM显示TME解释的方差比例大于CNAs,myCAFs的空间影响最大且空间误差系数显著,侵袭区域与间充质状态显著相关,肌上皮细胞在不同区域作用相反;GWR与msGWR性能优于GNN与SEM,msGWR降低了模型复杂度;myCAFs表现为长程影响(与细胞外基质(extracellular matrix,ECM)沉积、重塑及组织硬化相关),肌上皮细胞为短程影响;msGWR精确捕捉了CD8+ T细胞与EMT沿DCIS-侵袭梯度的关联。

五、讨论与结论

讨论部分指出,细胞状态的预测性能可作为可塑性潜能的操作性替代指标,但预测性与可塑性并不等同;混合状态可视为快速重连微环境依赖的高度可适应中间态,间充质状态则巩固为EMT景观中更稳定的吸引子;myCAFs的长程影响提示基质重塑可跨组织区域传播可塑性。GNN的预测精度优于空间回归模型,而SEM与GWR提供更可解释的系数并可统计控制混杂因素,二者结合实现跨尺度的预测与解释。研究还比较了SIMVI与NCEM,强调SPiCe从预定义表型出发、直接建模其可预测性并量化各微环境关联的贡献与空间尺度。局限包括:四状态表示可能无法完全捕获EMT的复杂性;CNAs经PCA处理限制了基因层面的可解释性;TME特征仅为细胞水平;研究属概念验证,跨平台与大队列验证有限。

研究结论翻译:SPiCe为建模空间转录组数据中内在与外在因素如何塑造细胞状态提供了可解释的框架;通过结合GNN与地统计建模,可在提供预测性与可解释性互补洞察的同时,实现对细胞可塑性空间决定因素的定量评估;尽管此处以乳腺癌EMP为概念验证进行演示,该框架可适应发育、再生及病理背景下的其他动态细胞过程;最终,此类整合性空间建模方法可为鉴定可治疗性靶向或稳定化的表型状态(及其状态间转变)奠定基础。
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