CosMxScope: Scalable Reconstruction and Digital Pathology Integration of Imaging-Based Spatial Transcriptomics Data

Dieses Paper stellt CosMxScope vor, ein leichtgewichtiges Open-Source-Framework, das die nahtlose Integration und Visualisierung von CosMx-Spatial-Transkriptomik-Daten in digitalen Pathologie-Umgebungen wie QuPath ermöglicht, indem es Rohdaten in rekonstruierte Ganzschnittbilder und GeoJSON-Objekte umwandelt.

Das Wesentliche

Das Problem: Ein riesiges Puzzle, das niemand zusammenfügen kann

Stellen Sie sich vor, Sie haben ein riesiges, komplexes Mosaik aus tausenden von kleinen Fliesen (das ist das Gewebe eines Patienten). Jede einzelne Fliese enthält nicht nur ein Bild, sondern auch eine Liste von Geheimnissen: Welche Gene sind in welcher Zelle aktiv? Wo genau sitzt eine bestimmte RNA-Nachricht?

Das Gerät, das diese Daten liefert (CosMx), ist wie ein hochmoderner Fotograf. Es macht extrem detaillierte Fotos von winzigen Ausschnitten des Mosaiks und erstellt Listen mit Koordinaten für jede einzelne Zelle und jedes Gen.

Das Problem: Diese Daten liegen in einem Format vor, das für Computer-Forscher gut ist, aber für die Pathologen (die Ärzte, die Gewebeproben untersuchen) wie eine Fremdsprache aussieht. Die Pathologen arbeiten normalerweise mit großen, zusammenhängenden Bildern (den ganzen Mosaiken), um Krankheiten zu diagnostizieren. Die neuen Daten liegen aber in kleinen, zerstückelten Paketen vor, die sich nicht einfach auf das große Bild legen lassen. Es ist, als hätte man die Baupläne für ein Haus in 100 verschiedenen Sprachen geschrieben, aber niemand kann sie zu einem einzigen Plan zusammenfügen, um zu sehen, wie das fertige Haus aussieht.

Die Lösung: CosMxScope – Der digitale Kleber

Hier kommt CosMxScope ins Spiel. Man kann es sich wie einen cleveren, digitalen Kleber oder einen Übersetzer vorstellen, der speziell für dieses Problem gebaut wurde. Es ist eine kostenlose Software, die drei Hauptaufgaben erledigt:

1. Das große Bild zusammenfügen (Stitching):
   Stellen Sie sich vor, Sie haben Tausende von kleinen Foto-Stücken. CosMxScope nimmt diese Stücke und fügt sie nahtlos zu einem einzigen, riesigen Bild zusammen – wie bei einem Puzzle, das automatisch zusammengebaut wird. Am Ende haben Pathologen wieder ein komplettes Bild des Gewebes, auf dem sie herumzoomen können.

2. Die Übersetzung (GeoJSON):
   Die Liste der Zellen und Gene ist wie eine geheime Koordinatenliste. CosMxScope übersetzt diese Liste in eine universelle Sprache (genannt GeoJSON), die von Standard-Pathologie-Software (wie QuPath) verstanden wird.

   • Die Analogie: Stellen Sie sich vor, Sie haben eine Liste von Adressen in einem fremden Land. CosMxScope wandelt diese Adressen in ein Format um, das Ihr GPS-Navigationsgerät versteht, damit Sie genau sehen können, wo sich jede Zelle auf dem großen Bild befindet.

3. Die Visualisierung (Das "Leuchten" der Gene):
   Jetzt, wo das Bild da ist und die Adressen bekannt sind, kann die Software die Gene sichtbar machen.

   • Die Analogie: Stellen Sie sich vor, Sie schauen auf eine dunkle Stadt bei Nacht. Normalerweise sehen Sie nur die Gebäude (die Zellen). Mit CosMxScope können Sie nun bestimmte Fenster zum Leuchten bringen, um zu sehen, welche Bewohner (Gene) in welchem Haus aktiv sind. Sie können sehen, ob ein bestimmtes Gen nur in einem kleinen Viertel (einem Gewebebereich) leuchtet oder überall.

Warum ist das so wichtig?

Früher mussten Forscher und Pathologen zwei getrennte Welten bewohnen: Die eine Welt mit den riesigen, detaillierten Bildern und die andere mit den komplexen Gen-Daten. Sie konnten die beiden nicht gut miteinander verbinden.

Mit CosMxScope können Pathologen nun das große Bild ansehen, auf die Zellen zeigen und sofort sehen: "Aha, in dieser spezifischen Zelle hier ist das Gen X aktiv." Das ist wie eine Verstärkung für das menschliche Auge. Es erlaubt Ärzten, Krankheiten wie Krebs nicht nur zu sehen, sondern auch zu verstehen, was in den Zellen auf molekularer Ebene passiert, direkt im Kontext des Gewebes.

Zusammenfassung in einem Satz

CosMxScope ist wie ein genialer Dolmetscher und Puzzle-Meister in einem: Er nimmt die zerstückelten, hochkomplexen Daten eines modernen Gen-Sequenzierers, fügt sie zu einem großen Bild zusammen und macht sie so sichtbar und verständlich, dass Ärzte sie direkt in ihre Diagnose-Workflows einbauen können, um Krankheiten besser zu verstehen und zu behandeln.

Es ist eine Brücke zwischen der Welt der Mikroskopie und der Welt der Genetik, gebaut aus offenem Code, damit jeder Forscher sie nutzen kann.

Technische Zusammenfassung

Problemstellung

Die räumliche Transkriptomik, insbesondere mit der CosMx Spatial Molecular Imager (SMI)-Plattform von NanoString, hat die Fähigkeit revolutioniert, Genexpression in menschlichem Gewebe mit zellulärer und subzellulärer Auflösung zu quantifizieren. Diese Plattform generiert eine Fülle an Daten, darunter:

• Bildkacheln (Field-of-View, FOV),
• Subzelluläre Transkript-Koordinaten,
• Zell-Segmentierungspolygone,
• Expressionsmatrizen.

Das zentrale Problem: Obwohl diese Daten reich an räumlichen Informationen sind, sind sie in ihrem exportierten Format (über die AtoMx-Analyseplattform) nicht direkt mit gängigen Werkzeugen der digitalen Pathologie (wie QuPath) kompatibel. Es fehlte bisher an effizienten Tools, um diese spezifischen CosMx-Ausgaben nahtlos in histopathologische Visualisierungs- und Annotations-Workflows zu integrieren. Bestehende Frameworks für räumliche Omics (wie Giotto, Seurat oder Squidpy) bieten zwar umfassende Analysen, decken jedoch oft die spezifische Lücke der direkten Interoperabilität mit pathologischen Bildgebungs-Workflows nicht ausreichend ab.

Methodik: CosMxScope

Die Autoren stellen CosMxScope vor, ein leichtgewichtiges, quelloffenes Python-Framework, das als Brücke zwischen den CosMx-Ausgabedaten und Umgebungen zur Bildanalyse dient. Das Framework ist modular aufgebaut und umfasst drei Kernfunktionen:

1. Rekonstruktion von Ganzgewebeschnitten (Whole Slide Image Reconstruction):

   • Das System fügt die exportierten FOV-Bildkacheln (jeweils 4256 × 4256 Pixel) zu einem einzigen, hochauflösenden Ganzgewebeschnitt zusammen.
   • Skalierbarkeit: Um den hohen Speicherbedarf zu bewältigen, wird ein memory-mapped Array verwendet, sodass nicht der gesamte Datensatz in den RAM geladen werden muss.
   • Die Kacheln werden parallelisiert (mittels joblib) in ein globales Koordinatensystem eingefügt, basierend auf den FOV-Positionsdateien.
   • Ausgabe: Ein hochauflösendes gestitchtes Bild, ein herunterskaliertes Überblicksbild (Faktor 20) und eine CSV-Datei mit den korrigierten FOV-Koordinaten.

2. Konstruktion von GeoJSON für Zell- und Transkriptdaten:

   • Zell-Segmentierungspolygone und Transkript-Koordinaten werden in das standardisierte GeoJSON-Format konvertiert.
   • Koordinatentransformation: Lokale FOV-Koordinaten werden unter Verwendung der Stitching-Positionstabelle in globale Koordinaten des gestitchten Bildes transformiert.
   • Effizienz: Für die Verarbeitung großer Transkript-Tabellen (oft Millionen von Zeilen) wird Polars mit „Lazy Query Execution" eingesetzt. Dies ermöglicht effiziente Joins und Filterungen, bevor Daten materialisiert werden, was den Speicherverbrauch minimiert.
   • Kompatibilität: Die resultierenden GeoJSON-Dateien sind direkt in QuPath (v0.5) importierbar, um Zellgrenzen und Transkriptorte als Annotationsebenen darzustellen.

3. Visualisierung der räumlichen Genexpression:

   • Das herunterskalierte Hintergrundbild dient als Leinwand.
   • Geweberegionen werden durch Gauß-Verwischung und Otsu-Schwellwertbildung detektiert.
   • Zellen und Transkripte werden als Scatter-Dots oder farbcodierte Polygone überlagert.
   • Es unterstützt sowohl Einzelgen- als auch Multi-Gen-Modi und bietet Zusammenfassungen auf Zell- und FOV-Ebene (mittlere Expression pro Kachel).

Hauptbeiträge

• Nahtlose Integration: CosMxScope schließt die Lücke zwischen der AtoMx-Plattform und digitalen Pathologie-Tools, indem es standardisierte GeoJSON-Objekte erzeugt.
• Interaktive Analyse: Pathologen können nun Zellsegmentierungen und molekulare Daten direkt auf histologischen Bildern überlagern, annotieren und iterativ verfeinern („Human-in-the-Loop").
• Skalierbare Architektur: Durch den Einsatz von Memory-Mapping, paralleler Verarbeitung und Polars ist das Framework für die großen Datenmengen typischer CosMx-Experimente (ganze Gewebeschnitte, Millionen von Transkripten) optimiert.
• Zugänglichkeit: Als Open-Source-Tool (MIT-Lizenz) mit Beispielnotebooks und synthetischen Daten ermöglicht es Forschern ohne tiefe Programmierkenntnisse den Einstieg in die räumliche Transkriptomik-Analyse.

Ergebnisse

• Das Framework wurde erfolgreich in mehreren Forschungsprojekten mit menschlichen und Maus-Proben eingesetzt (Themen: Prä-Malignität, Metastasierung, Immuntherapie-Biomarker).
• Es ermöglichte die Rekonstruktion ganzer Gewebeschnitte und die interaktive Exploration von Zelltypenverteilungen und Genexpressionsmustern.
• Die Importfunktion für GeoJSON in QuPath erwies sich als besonders wertvoll für die Integration molekularer Befunde in morphologische Kontexte, was eine iterative Expertise-Bewertung durch Pathologen erlaubt.
• Zwei Beispiel-Notebooks demonstrieren die Funktionsweise: einer mit synthetischen Daten (für Testzwecke ohne Zugriff auf echte Projektdaten) und einer mit repräsentativen Testdaten.

Bedeutung und Ausblick

CosMxScope adressiert einen kritischen Bedarf in der translationalen Forschung, indem es molekulare Daten (Transkriptomik) direkt mit morphologischen Daten (Histopathologie) vereint.

• Für die Pathologie: Es ermöglicht eine „Human-in-the-Loop"-Analyse, bei der Experten computergenerierte Segmentierungen und Transkriptorte visuell überprüfen und korrigieren können – eine Fähigkeit, die bisher für CosMx-Daten fehlte.
• Für die Forschung: Es fördert interoperable, standardisierte Pipelines, die über die reine Datenanalyse hinausgehen und die visuelle Interpretation unterstützen.

Einschränkungen & Zukunft:
Aktuell ist das Tool spezifisch auf das AtoMx-Exportformat zugeschnitten (starre Dateinamen und -strukturen). Die Visualisierung erfolgt primär in herunterskalierter Auflösung, was feinste subzelluläre Details in manchen Kontexten einschränken kann. Zukünftige Entwicklungen zielen auf eine erweiterte Plattformkompatibilität, eine Kommandozeilenschnittstelle (CLI) und webbasierte interaktive Visualisierungsmodule ab.

Zusammenfassend stellt CosMxScope ein praktisches, skalierbares Werkzeug dar, das die Barriere zwischen hochkomplexen räumlichen Omics-Daten und der klinischen/pathologischen Praxis senkt.