《Frontiers in Cell and Developmental Biology》:CauSTI: causal spatial transcriptomic interaction inference for cell-cell communication
编辑推荐:
**摘要**
**引言:** 细胞间通讯(cell-cell communication, CCC)在组织构建、发育、免疫调节及疾病进展中发挥关键作用。空间转录组学(spatial transcriptomics)能够在天然组织背景下推断此类通讯。然而,现有
**摘要**
**引言:** 细胞间通讯(cell-cell communication, CCC)在组织构建、发育、免疫调节及疾病进展中发挥关键作用。空间转录组学(spatial transcriptomics)能够在天然组织背景下推断此类通讯。然而,现有方法通常仅依赖配体-受体共表达或空间邻近性,未明确建模细胞间信号传导的方向性。
**方法:** 研究人员提出CauSTI,一种用于识别方向特异性细胞间通讯的因果空间转录组相互作用推断框架。CauSTI通过因果先验引导的变分图自编码器(causal-prior-guided variational graph autoencoder)整合空间邻域结构与源自配体-受体的因果先验。空间邻近性定义组织图,而配体-受体证据提供具有生物学信息的方向约束。非对称解码器(asymmetric decoder)对有序细胞对之间的发送者-接收者关系进行建模。优化目标联合整合空间重建、因果先验一致性、变分正则化及方向正则化。
**结果:** 在三个空间转录组数据集——seqFISH+、MERSCOPE和Xenium上的实验表明,CauSTI在AUROC、ACC和AP指标上持续优于代表性基线方法。消融研究进一步证实了因果先验与方向正则化的贡献。
**讨论:** 研究结果表明,将空间背景与因果先验及显式方向建模相结合,为从空间转录组数据推断具有生物学合理性、方向特异性的细胞间通讯景观提供了一种有效框架。
**论文解读:CauSTI——融合因果先验与空间信息的细胞间通讯方向性推断框架**
**一、研究背景与问题提出**
细胞间通讯(cell-cell communication, CCC)通过配体-受体(ligand-receptor, L-R)相互作用介导细胞间的生化信号交换,在组织构建、免疫调节、发育过程和疾病进展中发挥着基础性作用。随着单细胞RNA测序和空间转录组学(spatial transcriptomics)技术的快速发展,研究人员不仅可以从基因表达谱中研究CCC,还能在组织原生空间背景下对其进行解析,为识别兼具分子合理性和空间约束性的通讯事件提供了独特机遇。
现有CCC推断方法仍面临若干关键挑战。第一,许多方法主要依赖配体-受体共表达或空间共定位评分,未能充分捕捉空间组织图中编码的潜在细胞状态和高阶邻域背景。第二,CCC本质上具有方向性——表达配体的发送者细胞作用于表达受体的接收者细胞,然而许多基于图表示学习的方法针对无向空间图设计,未显式建模非对称的发送者-接收者关系。第三,现有方法常将空间邻域信息与配体-受体先验知识视为独立的评分或后处理组件,而非将其整合到一个端到端可训练框架中,并辅以朝向生物学信息方向先验的显式正则化。
**二、研究内容与核心结论**
针对上述局限,研究人员提出了CauSTI(Causal Spatial Transcriptomic Interaction inference),一种用于方向特异性CCC预测的因果空间转录组相互作用推断框架。CauSTI通过因果先验引导的变分图自编码器将空间邻域结构与配体-受体衍生的因果先验相整合。具体而言,空间邻近性用于构建组织图,而配体-受体证据提供从发送者细胞到接收者细胞的定向先验信息。模型通过因果先验引导的图编码器学习潜在细胞表征,并利用非对称解码器预测有序细胞对间的相互作用概率。优化目标联合整合空间图重建、因果先验一致性、变分正则化和方向正则化四项损失。
在seqFISH+、MERSCOPE和Xenium三个真实空间转录组数据集上的实验表明,CauSTI在AUROC、ACC和AP三项指标上均持续优于DeepLinc、GCNLA和OrgaCCC等代表性基线方法。Welch's t检验证实改进具有统计学显著性(校正后p<0.001)。消融研究进一步确认,移除因果先验或方向损失均导致性能下降,证明这两个组件对框架的有效性具有互补贡献。该研究为从空间转录组数据推断具有生物学合理性、方向特异性的细胞间通讯网络提供了一种灵活且可解释的计算框架。
**三、关键技术方法**
研究团队在以下技术方法的基础上构建了CauSTI框架:(1)配体-受体先验整合——从国际药理学联合会(International Union of Pharmacology)、CellTalkDB、Human Plasma Membrane Receptome、HPRD、Fantom5五个公共资源整合配体-受体相互作用信息,构建包含2,479个小鼠和3,057个人类L-R对的高置信度参考集;(2)空间-因果图构建——采用k近邻(k-nearest neighbors, k-NN)算法基于细胞空间坐标构建空间邻近图,通过空间衰减核函数计算因果先验评分,并选取非零评分上分位数构建有向因果先验边,形成混合邻接矩阵;(3)因果先验引导的变分图自编码器——通过两层图卷积网络编码基因表达与空间邻接信息,利用重参数化技巧采样潜在嵌入;(4)非对称链路预测解码器——采用非对称双线性矩阵实现方向特异性的相互作用概率预测;(5)多目标优化策略——联合优化空间重建损失、因果先验一致性损失、KL散度变分正则化项及方向正则化项。
**四、研究结果**
**4.1 数据集与评估基准。** 研究采用三个不同技术平台的真实空间转录组数据集:seqFISH+数据集(913个空间分辨细胞、10,000个基因特征、9种节点类型)、MERSCOPE数据集(71,381个空间节点、550个特征、12种节点类型)和Xenium数据集(162,628个空间节点、17,943个基因表达特征、9种节点类型)。所有方法均以空间邻接矩阵作为统一的评估参考标签,采用AUROC、ACC和AP三项指标进行评估。
**4.2 与基线方法的性能比较。** 在seqFISH+数据集上,CauSTI获得86.27%的AUROC、84.18%的ACC和82.43%的AP,优于最强基线OrgaCCC(84.96% AUROC、82.47% ACC、79.83% AP)。在MERSCOPE数据集上,CauSTI达91.14%的AUROC、88.73%的ACC和87.62%的AP,相比OrgaCCC分别提升3.07、3.10和4.24个百分点,AP的更大提升表明CauSTI在类别不平衡条件下对真实相互作用细胞对的优先级排序尤为有效。在Xenium数据集上,CauSTI同样取得最高性能(92.08% AUROC、89.46% ACC、88.37% AP)。Welch's t检验与Bonferroni校正证实所有改进均具有统计学显著性(校正后p<0.001)。
**4.3 消融研究。** 为探究各组件贡献,研究比较了完整CauSTI、无因果先验变体(WCP)和无方向损失变体(WDL)在三个数据集上的表现。完整CauSTI在所有数据集和指标上均一致优于WCP和WDL。WCP在AP指标上的下降更为明显,表明配体-受体衍生的因果先验在类别不平衡条件下对高置信相互作用细胞对的排序尤为关键。WDL的性能下降则验证了方向正则化在减少模糊双向预测、提升推断网络稳健性方面的作用。
**五、讨论与结论**
本研究的核心发现是:将空间背景、因果先验与显式方向建模相结合,能够有效推断具有生物学合理性的方向特异性细胞间通讯。因果先验提供生物学信息指导的方向约束,而方向损失通过抑制不支持的双向预测来优化推断结果,二者互补协同。当前基准以空间邻接作为候选相互作用的统一代理标签,虽能保证跨方法的公平比较,但尚不能完全确立真实的信号传导活性。未来工作将聚焦于整合细胞类型特异性调控程序、扩展至多样本及时空空间转录组数据,并利用独立的配体-靶基因、扰动或成像类实验证据对预测相互作用进行验证。综上,CauSTI为重建空间约束且方向特异的细胞间相互作用网络提供了灵活可解释的计算框架,其推断的相互作用景观有助于表征组织水平通讯模式,并为下游生物学研究提供候选信号关系。