Phylospatial optimal transport for single-cell and spatial transcriptomics data integration
تقدم الورقة البحثية SpOTr، وهي طريقة تعتمد على النقل الأمثل (optimal transport)، تدمج بيانات النسخ المتماثل أحادي الخلية والنسخ المتماثل المكاني من خلال الاستفوتادة من توافق الشجرة التطورية لرسم خرائط سلالات المستنسخات السرطانية بدقة إلى مواقعها المكانية داخل الأورام.
المؤلفون الأصليون:Ferreira, P. F., Kviman, O., Lagergren, J.
الأورام ليست مجرد كتل متجانسة من خلايا متطابقة؛ بل هي أنظمة بيئية معقدة ومتطورة، حيث تتنافس وتتعاون مجموعات مختلفة من الخلايا السرطانية، تُعرف باسم "النسائل" (clones). تنشأ هذه النسائل مع انقسام الخلايا وتراكم التغيرات الجينية، مما يخلق شجرة عائلة من السلالات المتميزة داخل المريض الواحد. إن فهم كيفية انتشار هذه السلالات وتفاعلها مع محيطها أمر بالغ الأهمية، لأن الموقع الفيزيائي لنسيلة سرطانية معينة غالباً ما يحدد سلوكها ومدى قدرتها على البقاء أمام العلاج. ومع ذلك، واجه العلماء لفترة طويلة خياراً صعباً عند دراسة هذه الأورام؛ فإما أن ينظروا إلى الورم ككل، مما يحافظ على خريطة تموضع كل خلية ولكنه يفقد القدرة على رؤية تفاصيل الخلايا الفردية، أو يقوموا بتفكيك الورم لدراسة الخلايا الفردية بدقة عالية، ليخسروا في المقابل الخريطة تماماً. هذا المقايضة جعلت من الصعب للغاية ربط التاريخ الجيني للنسيلة السرطانية بموقعها الفعلي داخل الجسم.
تقدم طريقة جديدة تسمى "SpOTr" وسيلة لسد هذه الفجوة عبر دمج نوعين مختلفين من البيانات في صورة واحدة متماسكة. تعتمد هذه الطريقة على أخذ معلومات جينية عالية الدقة من الخلايا التي تمت إزالتها من الورم، ومطابقتها مع خريطة منخفضة الدقة لأنسجة الورم التي لا تزال تُظهر مواقع الخلايا. والمنطلق الأساسي الذي يقود هذا العمل هو أن الخلايا السرثانية وثيقة الصلة تميل إلى البقاء بالقرب من بعضها البعض أثناء نموها. ومن خلال استخدام قاعدة "القرب" هذه، طور الباحثون إطاراً رياضياً يمكنه إعادة وضع الخلايا السرطانية الفردية على خريطة الأنسجة، حتى عندما تكون الخريطة نفسها ضبابية وتحتوي على مزيج من أنواع خلوية عديدة. وهذا يسمح للعلماء ليس فقط بمعرفة أين توجد الخلايا السرطانية، بل وأيضاً كيف تتكشف شجرة عائلة الورم عبر الحيز المكاني للعضو.
اختبر الباحثون هذه الفكرة من خلال إنشاء أورام محاكاة حيث كانوا يعرفون الموقع الدقيق لكل خلية وكل نسيلة. في هذه السيناريوهات المولدة حاسوبياً، صُممت النسائل لتكون متشابهة جداً فيما بينها، مما يجعل من المستحيل تقريباً التمييز بينها بمجرد النظر إلى نشاطها الجيني. وعندما طبق الفريق تقنية "SpOTr" على هذه المحاكاة، نجحت في إعادة بناء مناطق نفوذ النسائل المختلفة، بينما فشلت الطرق الأخرى الموجودة التي اعتمدت فقط على النشاط الجيني في التمييز بينها. وقد أثبتت الطريقة كفاءة خاصة عندما كانت النسائل يصعب التفريق بينها، حيث استخدمت العلاقات العائلية المعروفة لتوجيه الخلايا إلى أحياءها الصحيحة. وفي أحد الاختبارات، حددت الطريقة بدقة الحدود المكانية لثلاث نسائل رئيسية وأجزاء من نسيلتين أصغر، بينما قامت الأدوات الأخرى بتصنيف معظم الأنسجة ضمن المجموعة الأكبر فقط، متجاهلة المجموعات الأخرى تماماً.
ولرؤية ما إذا كان هذا سينجح مع البيانات البيولوجية الحقيقية، طبق الفريق تقنية "SpOTr" على ورم حيث تم تتبع سلالة كل خلية باستخدام نظام ترميز (barcode) خاص. في هذه الحالة، كان لديهم "حقيقة أرضية"؛ فقد عرفوا بالضبط الجزء الذي تنتمي إليه كل خللة من الورم. وعند مقارنة نتائج "SpOTr" بالواقع المعروف، استعادت الطريقة بدقة المناطق الرئيسية التي تشغلها الفروع المختلفة لشجرة عائلة السرطان. فقد حافظت على تميز الجزء العلوي والسفلي من الورم، مطابقةً بذلك المخطط الفعلي، بينما قامت الطرق الأخرى إما بخلط المناطق معاً أو بتخصيص القسم السفلي بأكمله لمجموعة واحدة. وقد أكد هذا أن النهج يمكنه التعامل مع تعقيد الأنسجة الحقيقية، حيث تختلط الخلايا في مجموعات صغيرة وتكون الإشارات الجينية غالباً ضعيفة جداً بحيث لا يمكن قراءتها بوضوح بمفردها.
ثم طبق الباحثون الطريقة على سرطان القولون والمستقيم البشري الذي انتشر إلى الكبد، وهو سيناريو لا توجد فيه خريطة مسبقة لسلالات الخلايا. حددوا مجموعتين رئيسيتين من السرطان ومجموعتين فرعيتين أصغر ضمن إحداهما. وباستخدام شجرة العائلة المستمدة من الطفرات الجينية، استطاعت تقنية "SpOTr" فصل هذه المجموعات الفرعية ووضعها في أجزاء مختلفة من النسيج. حيث وُجدت مجموعة فرعية في أعشاش الخلايا على الجانب الأيسى من العينة، بينما وُجدت الأخرى في حزمة عبر الجزء العلوي. هذا المستوى من التفصيل لم يكن ممكناً بالطرق القياسية، التي كانت تعامل المجموعة بأكملها ككتلة واحدة. ومن خلال إعادة وضع الخلايا في سياقها المكاني، استطاع الباحثون رسم شجرة العائلة مباشرة على صورة النسيج، موضحين كيف تطور السرطان من سلف مشترك بالقرب من أحد جانبي الورم إلى مناطق متميزة ومنفصلة في الجانب الآخر.
يشير هذا العمل إلى أن تاريخ الورم مكتوب في جغرافيا مكانه. فمن خلال الجمع بين البيانات الجينية عالية الدقة للخلايا الفردية والسياق المكاني للأنسجة، تتيح تقنية "SpOTr" للعلماء رؤية الرحلة التطورية للسرطان كما تحدث داخل الجسم. لا تتطلب هذه الطة تقسيم الأنسجة لدراستها، ولا تتطلب أن تكون الخلايا متميزة جينياً بشكل مثالي؛ بل تستخدم القاعدة البيولوجية البسيطة التي تقول إن الأقارب يميلون للبقاء قريبين من بعضهم لحل لغز معقد. وبذلك، فهي تقدم وسيلة جديدة لتصور البنية الخفية للأورام، مما يوفر رؤية أوضح لكيفية نمو السرطان، وانتشاره، وتكيفه مع بيئته.
ملخص تقني: SpOTr لدمج البيانات النسخية أحادية الخلية والمكانية
بيان المشكلة يعد التنظيم المكاني لمجموعات الخلايا المتطورة داخل الأورام أمراً بالغ الأهمية لفهم تطور الورم والاستجابة للعلاج. وبينما تلتقط تقنيات النسخ الموضعي (SRT) (مثل Visism) التعبير الجيني داخل مقاطع الأنسجة، إلا أنها غالباً ما تفتقر إلى الدقة على مستوى الخلية الواحدة، حيث تجمع النسخ من خلايا متعددة في "بقع" (spots). هذا التجميع يحجب تحديد المستنسخات السرطانية (cancer clones) المحددة. وفي المقابل، يوفر تسلسل الحمض النووي الريبي أحادي الخلية (scRNA-seq) المنفصل معلومات عالية الدقة عن سلالات الخلايا وحالاتها، ولكنه يفتقر إلى السياق المكاني. تعتمد الطرق الحسابية الحالية لدمج هذه الأنماط عادةً على ملفات التعبير الجيني لرسم خرائط الخلايا إلى البقع، ومع ذلك، تواجه هذه الطريقة صعوبة مع المستنسخات السرطانية، التي غالباً ما تتشارك في ملفات تعبير متشابهة بسبب اللدونة المظهرية والوراثة الجزئية، مما يجعل من الصعب تمييزها من خلال التعبير وحده. علاوة على ذلك، تفشل الطرق الحالية غالباً في الاستفيد من العلاقات التطورية بين المستنسخات لتوجيه ترتيبها المكاني.
المنهجية: SpOTr قدم المؤلفون SpOTr، وهو منهج يدمج بيانات scRNA-seq، وشجرة تطورية لخلايا السرطان، وبيانات SRT القائمة على البقع. يقوم SpOTr بصياغة عملية الدمج كمسألة نقل أمثل لـ "غروموف-واسرشتاين المدمج" (FGW) (Fused Gromov–Wasserstein) مدمجة مع نموذج لفك التجميع في البقع (spot deconvolution model).
الإطار الجوهري: يقوم SpOTr بتقدير معاملات نموذج فك التجميع (المقتبس من cell2location) والارتباط (γ) بشكل مشترك، والذي يخصص خلايا السرطان الفردية من بيانات scRNA-seq إلى بقع مكانية محددة.
دالة الهدف: تقلل الطريقة من دالة هدف مركبة F(θ,γ) تتكون من:
الاحتمالية والارتباطات السابقة (Priors): السلب اللوغاريتمي لعدد جينات البقع تحت نموذج "ثنائي الحدين السالب" (negative binomial model) (الذي يفصل المساهمات من أنواع خلايا البيئة الدقيقة للورم (TME) والمستنسخات السرطانية) والتوزيعات السابقة على معاملات النموذج.
تكلفة التعبير: حد يقيس مسافة "جيب التمام" (cosine distance) بين ملفات التعبير الجيني المعيرة للخلايا الفردية والتعبير المتبقي للبقع (بعد احتساب خلايا البيئة الدقيقة للورم TME).
الحد الهيكلي (FGW): حد يطابق المسافات التطورية بين الخلايا في شجرة تطورية (CT) مع المسافات المكانية بين البقع التي تم رسم خرائطها إليها (CS). يعمل هذا الحد كمنظم (regularizer)، مما يشجع الخلايا المرتبطة تطورياً على التواجد في مواقع متقاربة مكانياً.
التحسين (Optimization): يستخدم الخوارزمية مخطط تحسين تبادلي:
تحديث الخرائط (Mapping Update): عند تثبيت معاملات فك التجميع، يتم تحديث الخريطة γ باستخدام خوارزمية سينكهورن (Sinkhorn algorithm) (النقل الأمثل الإنتروبي) على دالة تكلفة خطية.
تحديث المعاملات (Parameter Update): عند وجود الخريطة الحالية، يتم تحديث معاملات فك التجميع (θ) عبر خوارزمية Adam لتعظيم التقدير البعدي (posterior estimate).
معايرة التكلفة: لموازنة الحدود المقاسة بوحدات مختلفة، يتم معايرة تكاليف التعبير والهيكل بالنسبة لانتشار تدرج السلب اللوغاريتمي للاحتمالية عند التهيئة. استخدم المؤلفون معاملات ثابتة β=0.5 (وزن التعبير) و α=0.2 (الوزن الهيكلي).
المساهمات الرئيسية
الدمج التطوري (Phylogenetic Integration): يعد SpOTr أول طريقة تدمج بيانات scRNA-seq وSRT من خلال الربط الصريح بين فك التجميع في البقع والارتباط بـ الشجرة التطورية لخلايا السرطان.
التقدير المشترك: على عكس الطرق التي تقوم بفك التجميع ورسم الخرائط في خطوات منفصلة (مثل scDOT)، يتعلم SpOTr الخريطة ومعاملات فك التجميع بشكل مشترك، مما يسمح لتكوين المستنسخات في البقع بتشكيل عملية فك التجميع ديناميكياً.
دقة المستنسخات دون استدعاء CNA: تمكن هذه الطة من تحديد المستنسخات السرطانية في البيانات المكانية دون الحاجة إلى استدعاء تغيير عدد النسخ (CNA) أو متغيرات العدد الفردي للنيوكليوتيدات (SNV) مباشرة من البقع منخفضة الدقة؛ بدلاً من ذلك، تستفيد من تعريفات المستنسخات عالية الدقة من البيانات المنفصلة.
التعامل مع التباين: يسمح الحد الهيكلي للنموذج بتمييز المستنسخات التي تتشابه نسخياً ولكنها متباينة مكانياً، وهو سيناريو تفشل فيه طرق التعبير فقط.
النتائج
البيانات المحاكاة: في الاختبارات المرجعية على الأورام المحاكاة، تفوق SpOTr على الطرق المنافسة (cell2location, DestVI, Tangram, scDOT, و standard FGW) في استعادة التكوين الحقيقي للمستنسخات في البقع. كان التفوق أكثر وضوحاً عندما كانت المستنسخات متشابهة نسخياً (ضعف البرنامج الموروث). نجح SpOר في استعادة أقاليم المستنسخات المتعددة، بينما مال cell2location إلى تخصيص معظم البقع للمستنسخ المهيمن، وفشلت طرق OT القائمة على التعبير فقط في التمييز بين المستنسخات المتشابهة.
أورام PEtracer المتتبعة سلالياً: عند التطبيق على بقع PEtracer الاصطناعية المبنية من بيانات حقيقية (حيث تُعرف مواقع السلالات الأرضية)، استعاد SpOTr تكوينات السلالات بدقة أعلى (مقاسة بـ معامل بيرسون، والتشابه الهيكلي، وRMSE، وتباعد جينسن-شانون) من جميع الطرق الأخرى. وقد نجح في الحفاظ على الفصل المكاني للسلالات التي لا يمكن تمييزها نسخياً.
سرطان القولون والمستقيم الكبدي البشري (HT260C1): في تطبيق واقعي باستخدام بيانات شبكة الأطلس البشري للأورام، قام SpOTr برسم خرائط مستنسخات عدد النسخ (CNA) من النوى المنفصلة إلى البقع المكانية. نجح في تمييز سلالتين فرعيتين من مستنسخ رئيسي (B1a و B1b) إلى مناطق مكانية متميزة (أعشاش مقابل نطاقات علوية) لم يكن من الممكن تمييزهما عبر فك التجميع القائم على التعبير فقط (cell2location). وتوافق الخريطة المكانية الناتجة مع إشارات CNA الأساسية.
الأهمية والادعاءات يزعم البحث أن SpOTr يعالج فجوة حرجة في علم النسخ الموضعي من خلال الاستفادة من التوافق بين التاريخ التطوري والتوزيع المكاني. ومن خلال دمج الشجرة التطورية كأولوية هيكلية، تتغلب الطريقة على قيود رسم الخرائط القائم على التعبير في الأورام غير المتجانسة. يضع المؤلفون SpOTr كأداة تمكن الباحثين من توصيف التنظيم المكاني لمستنسخات الورم والبيئة الدقيقة للورم (TME) بدقة أكبر، خاصة في السيناريوهات التي تكون فيها المستنسخات متشابهة نسخياً ولكنها متميزة تطورياً. الطريقة مطبقة بلغة بايثون (JAX) ومتاحة للجمهور، مع توفير سير عمل لإعادة إنتاج نتائج الدراسة.