SpaceBlocks: an expert-supervised workflow for cohort-level spatial transcriptomics analysis
SpaceBlocks ist ein reproduzierbarer, expertenüberwachter Snakemake-Workflow, der heterogene räumliche Transkriptomdaten in Einzelzellauflösung über mehrere Plattformen hinweg homogenisiert, um eine skalierbare Kohortenanalyse zu ermöglichen, wie durch seine Fähigkeit demonstriert wurde, neuartige Zelltypen, Marker-Expressionsmuster und krankheitsassoziierte transkriptionelle Unterschiede in diversen biologischen Datensätzen zu identifizieren.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Gewebe ist keine gleichförmige Zellsuppe; es ist eine strukturierte Stadt, in der der Standort die Funktion bestimmt. Jahrzehntelang konnten Biologen die genetischen Anweisungen innerhalb einer Zelle lesen, aber sie mussten das Gewebe zu einer Paste zermahlen, um dies zu tun, wodurch sie die Karte verloren, auf der verzeichnet war, wo jede Zelle lebte. Eine neuere Technologie namens räumliche Transkriptomik löst dies, indem sie den genetischen Code liest, während die Zelle in ihrer ursprünglichen Nachbarschaft verbleibt. Dies ermöglicht es Wissenschaftlern zu sehen, wie Zellen mit ihren Nachbarn kommunizieren und sich zu funktionalen Distrikten organisieren, ganz so, als würde man eine Stadt verstehen, indem man sieht, welche Geschäfte, Schulen und Wohnhäuser nebeneinander liegen. Diese neue Art, das Gewebe zu betrachten, bringt jedoch eine Komplikation mit sich: Verschiedene Maschinen, die diese Bilder aufnehmen, sprechen unterschiedliche Sprachen. Eine Maschine gibt ihre Daten möglicherweise in einem Format aus, das eine andere Maschine nicht lesen kann, und die Softwarewerkzeuge, die zur Analyse verwendet werden, arbeiten oft isoliert. Wenn Forscher versuchen, eine große Gruppe von Patienten gemeinsam zu untersuchen – eine Kohorte –, stehen sie vor einem chaotischen Mix aus Dateitypen und manuellen Schritten, die schwer zu wiederholen oder zu verifizieren sind.
Um Ordnung in diese Komplexität zu bringen, hat ein Forscherteam einen neuen digitalen Workflow namens SpaceBlocks entwickelt. Betrachten Sie diesen Workflow als einen universellen Übersetzer und Verkehrskontrolleur für Gewebedaten. Anstatt dass jeder Forscher für jedes neue Experiment eigene maßgeschneiderte Werkzeuge baut, bietet SpaceBlocks einen einzigen, standardisierten Pfad, dem jeder Computer folgen kann. Es nimmt die rohen, ungeordneten Ausgaben aus verschiedenen Hochtechnologie-Mikroskopen und konvertiert sie in ein sauberes, gemeinsames Format, das alle nachgelagerten Analysewerkzeuge verstehen kann. Entscheidend ist, dass dieses System nicht versucht, jede Entscheidung durch Automatisierung zu ersetzen. Die Forscher haben es so konzipiert, dass es an Schlüsselmomenten innehält und nach menschlicher Expertise fragt, etwa bei der Entscheidung, welche Zellen gesund genug sind, um behalten zu werden, oder wie eine Gruppe von Zellen basierend auf ihrem genetischen Profil zu etikettieren ist. Dies stellt sicher, dass die Endergebnisse nicht nur das Ergebnis eines Black-Box-Computerprogramms sind, sondern ein verifiziertes Produkt wissenschaftlicher Urteilskraft.
Das Team testete dieses System an einer großen Sammlung von Gewebeproben aus drei verschiedenen Arten fortschrittlicher Mikroskope, die insgesamt 37 Proben aus öffentlichen Datenbanken umfassten. Diese Proben enthielten Gewebe von Patienten mit Multipler Sklerose und von Patienten mit kolorektalem Karzinom. Der Workflow verarbeitete alle erfolgreich und bewies damit, dass er die verschiedenen Dateiformate und die variierenden Größen der Datensätze bewältigen kann, ohne zu scheitern. In einem Fall, der Multiple Sklerose betraf, half das System Forschern dabei, spezifische genetische Muster in verschiedenen Teilen der Läsionen im Gehirn zu identifizieren, die in früheren Analysen übersehen worden waren. Es zeigte auf, dass bestimmte Gene in spezifischen Nachbarschaften des Gewebes aktiv waren, was ein klareres Bild davon lieferte, wie die Krankheit verschiedene Bereiche beeinflusst. In einem anderen Test unter Verwendung von Proben von kolorektalem Karzinom half der Workflow Forschern, drei verschiedene Arten von Zellen zu entdecken, die eine zuvor weit verbreitete Analyse übersehen hatte. Dazu gehörten Immunzellen und nervenähnliche Zellen, die im Tumorgewebe direkt vor ihren Augen verborgen lagen.
Über das Finden neuer Zellen hinaus zeigte das System, wie man gesundes Gewebe gegen erkranktes Gewebe vergleicht, und zwar in einer Weise, die die einzigartige Struktur jeder Probe berücksichtigt. Durch die Gruppierung von Zellen in „Pseudobulk“-Profile – was im Wesentlichen bedeutet, die genetischen Signale vieler Zellen in einem bestimmten Bereich zu kombinieren, um ein stärkeres, klareres Signal zu erhalten – konnten die Forscher genau bestimmen, welche Gene im Krankheitszustand an- oder ausgeschaltet werden. Das System führte diese komplexen Vergleiche automatisch durch, sobald die menschlichen Experten die Regeln festgelegt hatten, und erzeugte detaillierte Karten und Diagramme, die die Unterschiede zwischen gesundem und bösartigem Gewebe zeigten. Die Ergebnisse waren über die verschiedenen Maschinen hinweg konsistent, was darauf hindeutet, dass der Workflow robust genug ist, um von anderen Wissenschaftlern genutzt zu werden, die große Patientengruppen untersuchen wollen, ohne sich in technischen Details zu verlieren.
Die Forscher betonen, dass dieses Werkzeug kein Ersatz für menschliche Einsicht ist, sondern ein Rahmenwerk, das diese unterstützt. Indem es die Schritte der Analyse transparent und wiederholbar macht, erlaubt SpaceBlocks den Wissenschaftlern darauf zu vertrauen, dass ihre Erkenntnisse real sind und nicht bloß ein Artefakt einer bestimmten Softwareeinstellung. Das System ist für jeden frei verfügbar, und der Code steht offen, damit andere ihn verbessern oder an neue Arten von Mikroskopen anpassen können. Für die Zukunft plant das Team, die Unterstützung für noch mehr Bildgebungstechnologien hinzuzufügen und die ersten Schritte des Prozesses vollständig Open-Source zu machen, um die Abhängigkeit von proprietärer Software zu entfernen. Für den Moment stellt SpaceBlocks eine praktische Lösung für ein wachsendes Problem in der Biologie dar: wie man die riesigen, komplexen und vielfältigen Daten begreifbar macht, die aus der neuen Generation von Gewebekartierungsmaschinen stammen, um sicherzustellen, dass die Geschichte des Gewebes klar und präzise erzählt wird.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.