AI通过转录组学数据，推断细胞间相互作用的分子变化

编辑 | 白菜叶

空间转录组学 (ST) 的新成果，使组织样本的基因表达测量成为可能，并且保留其空间背景。这项技术能够以前所未有的方式原位解决构成肿瘤异质性和肿瘤微环境 (TME) 基础的调节途径。细胞共定位与空间技术的直接表征有助于量化由直接细胞-细胞相互作用引起的分子变化；这些变化往往发生在肿瘤免疫相互作用中。

约翰斯·霍普金斯大学（Johns Hopkins University）的研究团队开发了 SpaceMarkers，这是一种生物信息学算法，可以利用 ST 数据的潜在空间分析，推断出细胞间相互作用的分子变化。

研究人员使用这种方法来推断转移、侵袭性和前驱病变以及免疫治疗的 Visium 空间转录组学数据中肿瘤免疫相互作用的分子变化。匹配的 scRNA-seq 数据中的进一步迁移学习，能够进一步量化 SpaceMarkers 在其中富集的特定细胞类型。总之，SpaceMarkers 可以从 ST 数据中识别 TME 中的位置和上下文特定的分子相互作用。

该研究以「Uncovering the spatial landscape of molecular interactions within the tumor microenvironment through latent spaces」为题，于 2023 年 4 月 19 日发布在《Cell Systems》。

了解单个细胞的分子特征和肿瘤微环境（肿瘤内部和周围的细胞）中细胞间相互作用的影响，对于区分肿瘤进展的决定因素至关重要。透彻了解单个细胞的分子特征和 TME 中细胞间相互作用的影响对于区分肿瘤进展和精准医学策略的决定因素至关重要。

高表达基因通常与某些过多的细胞类型、主要生物过程或细胞类型之间的显著相互作用有关，而这些在健康组织中并不常见。研究的参与者 Elana Fertig 博士解释说，由于各种原因，基因在细胞中表达，其中一些基因可能使癌症发展得更加糟糕，从而危及人的生命。

「SpaceMarkers 可以帮助癌症研究人员确定基因是否因细胞间相互作用，而出现过度表达的情况。」Fertig 说，「它还可以识别与目标基因相关的特定细胞间相互作用。这一新信息可以为研究人员提供新的途径，从而了解导致癌症的因素，或回答为什么有些患者对某些治疗有反应而其他患者没有反应。」

SpaceMarkers 的工作原理是从空间转录组数据中看到的单个细胞类型识别高活性区域，主要研究作者 Atul Deshpande 博士解释说。来自两种细胞类型的高活性区域被确定为细胞间相互作用的位点。然后，该算法从两种细胞类型的相互作用中识别出分子变化。

图示：SpaceMarkers 使用空间重叠模式，识别与细胞间相互作用相关的基因。（来源：论文）

Deshpande 说，该软件有两种操作模式。一种是简单的差异表达模式（DE 模式），可识别在细胞间相互作用位点具有显著高表达的基因，表明这种相互作用导致基因以更高的速率表达。但是，该软件没有考虑细胞群的空间变化，DE 模式容易受混杂因素的影响，例如可变细胞群和与多种细胞类型的标记关联。第二种（残差模式）在考虑了空间转录组数据中识别的所有细胞群后，识别出具有显著更高表达的基因；在残差模式中减轻了混杂效应。但是，与 DE 方法相比，此统计数据需要更多的点数才能进行稳健地分析。

图示：残差模式有助于减轻相互作用区域中存在的其他细胞类型的混杂效应。（来源：论文）

并且实验表明，SpaceMarkers 很容易适用于替代的基于成像的 ST 技术，这些技术可实现单细胞分辨率。因此，用于推断细胞边界 ST 表征的空间分辨率的提高，将使 SpaceMarkers 更广泛地应用于细胞间相互作用。

该团队根据独立组织分类算法验证了 SpaceMarkers 输出，并且注意到，如果一种细胞类型完全出现在相互作用区域内，则其标记基因将通过 SpaceMarkers 推断为空间相互作用的标记。虽然不是输入细胞状态的直接分子变化，但这种细胞类型在相互作用区域的共定位，可能是通过细胞间相互作用诱导的 TME 状态诱导的生物效应。

研究人员使用来自多个胰腺癌、乳腺癌和肝癌临床样本的空间转录组学数据（根据组织样本在细胞中的位置测量组织样本中的基因表达）测试了 SpaceMarkers。该软件通过识别已知影响肿瘤和免疫细胞相互作用的基因得到验证。

尽管 SpaceMarkers 并未针对特定癌症类型进行优化，研究人员注意到，与胰腺样本中导管周围较小密度的肿瘤细胞相比，在推断乳腺和肝脏肿瘤中较大体积的癌细胞的细胞间相互作用时，分析管线表现更好。

「许多基因与我们对这些类型癌症中肿瘤免疫相互作用的现有理解一致。」Deshpande 说，「我们还发现，目前形式的 SpaceMarkers 更适合分析实体瘤，例如在某些乳腺癌和肝癌中发现的肿瘤。」

该研究论文旨在探索 SpaceMarkers 在各种癌症类型中的能力，研究人员将在接下来的步骤中将已识别的基因与治疗和患者反应相关联。

未来，该团队将侧重于将 SpaceMarkers 应用和优化到具有单细胞或亚细胞级分辨率的空间数据，并扩展其对具有不同类型肿瘤结构的癌症的性能。

该团队还希望通过开发更高分辨率的空间技术来扩展分析数据的应用程序，例如多重错误稳健的荧光原位杂交 (MERFISH) 或 Xenium。

论文链接：
https://doi.org/10.1016/j.cels.2023.03.004

相关报道：
https://medicalxpress.com/news/2023-05-ai-method-interactions-genes-tumors.html