A robust, scalable K-statistic for quantifying immune cell clustering in spatial proteomics data

Resumen Técnico: Un estadístico K robusto y escalable para cuantificar el agrupamiento de células inmunitarias en datos de proteómica espacial

Planteamiento del problema
Las tecnologías de proteómica espacial permiten la medición de la abundancia de proteínas y la ubicación de las células dentro de muestras de tejido, preservando el contexto espacial. Un enfoque común para analizar estos datos es la función $K$ de Ripley, una métrica utilizada para cuantificar si las células están agrupadas espacialmente o dispersas aleatoriamente. Las aplicaciones estándar de la $K$ de Ripley dependen del supuesto de Aleatoriedad Espacial Completa (CSR, por sus siglas en inglés), donde el número esperado de células en cualquier subconjunto es consistente en toda la muestra, lo que produce un valor nulo teórico de $K_0(r) = \pi r^2$.

Sin embargo, los datos de proteómica espacial frecuentemente violan este supuesto de homogeneidad debido a factores biológicos (p. ej., arquitectura del tejido) y artefactos técnicos (p. ej., degradación del tejido, desgarros o adherencia incompleta de la placa durante la obtención de imágenes). Cuando se aplica el nulo teórico estándar a datos inhomogéneos, esto conduce a la sobreestimación del agrupamiento espacial y la colocalización. Este sesgo puede distorsionar los análisis posteriores, como la vinculación de las interacciones celulares con la supervivencia del paciente, al confundir los artefactos técnicos con señales biológicas. Los métodos existentes para abordar la inhomogeneidad, como las adaptaciones inhomogéneas de la $K$ de Ripley o los nulos empíricos basados en permutaciones, sufren de limitaciones: los primeros pueden introducir sesgo al ignorar la información de las células de fondo, mientras que los segundos pueden resultar computacionalmente prohibitivos para conjuntos de datos grandes (que a menudo contienen >10,000 células por muestra) e introducen errores de muestreo mediante aproximaciones de Monte Carlo.

Metodología: KAMP
Los autores proponen KAMP (Ajuste K mediante Momentos Analíticos de la distribución de Permutación), un nuevo método diseñado para cuantificar la organización espacial de forma robusta frente a la inhomogeneidad, manteniendo la escalabilidad computacional.

1. Hipótesis Nula y Marco de Permutación:
   KAMP adopta una hipótesis nula ($H_0$) de "intensidad proporcional", postulando que la intensidad espacial de las células inmunitarias es proporcional a la de las células de fondo ($\lambda_m(u) \propto \lambda_{n-m}(u)$). Bajo esta hipótesis, las células inmunitarias se distribuyen como un subconjunto aleatorio de la población celular total. El método construye un referente nulo empírico considerando todas las permutaciones posibles de las etiquetas celulares (inmune vs. fondo) mientras se mantienen fijas las ubicaciones de las células.

2. Momentos Analíticos:
   En lugar de realizar permutaciones computacionalmente costosas, KAMP deriva expresiones analíticas de forma cerrada para los primeros y segundos momentos (media y varianza) de la distribución de permutación de la $K$ de Ripley.

   • Esperanza: Se demuestra que el valor esperado bajo la permutación nula, $E(K_s(r))$, es equivalente a la $K$ de Ripley univariante calculada utilizando todas las células de la muestra (inmunes y de fondo combinadas). Esto permite que el software existente compute el nulo empírico directamente.
   • Varianza: Los autores derivan una fórmula combinatoria compleja para la varianza, $Var(K_s(r))$, que da cuenta de las interacciones de pares y de orden superior dentro de la distribución de permutación.
   • Normalidad Asintótica: El Teorema 2.4 establece que el estadístico de prueba $Z_{K_s(r)} = (\hat{K}_s(r) - E(K_s(r))) / \sqrt{Var(K_s(r))}$ converge a una distribución normal estándar bajo la permutación nula a medida que aumenta el número de células, siempre que se cumplan ciertas condiciones de regularidad respecto a las contribuciones de vecindad.

3. Eficiencia Computacional (KAMP Lite):
   Para manejar conjuntos de datos extremadamente grandes (p. ej., >1 millón de células), los autores introducen KAMP Lite, que emplea un adelgazamiento (thinning) aleatorio de puntos antes de calcular los momentos. Las propiedades teóricas de los procesos de puntos garantizan que el adelgazamiento preserva las propiedades de la distribución, lo que permite aproximaciones precisas de los momentos con un tiempo de computación significativamente reducido.

4. Inferencia:
   El método proporciona:

   • Una métrica de agrupamiento corregida: $\tilde{K}_s(r) = \hat{K}_s(r) - E(K_s(r))$.
   • Valores p aproximados para pruebas de hipótesis intra-muestra de exceso de agrupamiento positivo o colocalización.
   • Un marco para el análisis entre muestras, donde $\tilde{K}_s(r)$ sirve como covariable en modelos de supervivencia (p. ej., riesgos proporcionales de Cox).

Resultados Clave
El artículo evalúa KAMP mediante simulaciones y una aplicación a un conjunto de datos de Carcinoma de Ovario Seroso de Alto Grado (HGSOC) (128 pacientes, >1.5 millones de células en total).

• Estudios de Simulación:

  • Corrección de Sesgo: En escenarios de nulo inhomogéneo (simulando desgarros de tejido), la $K$ de Ripley estándar y la variante inhomogénea ($K_{hom}$) sobreestimaron significativamente el agrupamiento. KAMP, KAMP Lite y el método de permutación completo centraron correctamente las estimaciones alrededor de cero.
  • Potencia y Error de Tipo I: KAMP mantuvo tasas de error de Tipo I apropiadas y demostró una alta potencia comparable al método de permutación completo en diversas densidades y abundancias celulares.
  • Velocidad: KAMP fue órdenes de magnitud más rápido que el método de permutación. Para el conjunto de datos HGSOC, KAMP tomó 3.6 minutos en comparación con los 562 minutos de 10,000 permutaciones. KAMP Lite fue incluso más rápido (0.6 minutos).

• Aplicación HGSOC:

  • Intra-muestra: KAMP distinguió eficazmente entre el agrupamiento biológico real y la inhomogeneidad técnica. En muestras con desgarros de tejido, el nulo empírico $E(K_s(r))$ fue significativamente mayor que el $\pi r^2$ teórico, y KAMP ajustó con éxito los valores de $K$ observados para reflejar el verdadero agrupamiento.
  • Entre muestras (Análisis de Supervivencia): El estudio se centró en la colocalización de células B y macrófagos. Los modelos que utilizaron las métricas de colocalización derivadas de KAMP mostraron asociaciones protectoras más fuertes con la supervivencia global e índices de concordancia (c-index) más altos en comparación con los modelos que usaron la $K$ de Ripley estándar. La $K$ estándar no logró detectar asociaciones significativas, lo que sugiere que la inhomogeneidad no corregida sesga las estimaciones de la razón de riesgo (hazard ratio).

Significancia y Reivindicaciones
El artículo afirma que KAMP representa la primera caracterización de forma cerrada de los dos primeros momentos de la permutación para la $K$ de Ripley univariante y bivariante, junto con una aproximación de normalidad asintótica.

• Robustez: Al aprovechar las células de fondo y los momentos analíticos, KAMP corrige la inhomogeneidad espacial sin la carga computacional de las permutaciones ni el sesgo de ignorar la estructura de fondo.
• Escalabilidad: El enfoque analítico elimina la necesidad de permutaciones de Monte Carlo, lo que lo hace factible para analizar grandes conjuntos de datos de proteómica espacial (millones de células) que anteriormente eran computacionalmente intratables para pruebas de permutación rigurosas.
• Impacto Científico: La aplicación a cáncer de ovario demuestra que no corregir la inhomogeneidad de la muestra puede sesgar los análisis de supervivencia. KAMP proporciona un marco estadísticamente válido para vincular interacciones específicas de célula-célula (p. ej., colocalización de células B–macrófago) con resultados clínicos, revelando asociaciones que los métodos estándar pasan por alto.

Los autores señalan que KAMP mide el exceso de agrupamiento relativo a la estructura de tejido combinada. Por consiguiente, si la señal biológica de interés es compartida tanto por las células inmunes como por las de fondo (alineada con la arquitectura del tejido), KAMP puede eliminar esta estructura compartida, reduciendo potencialmente la potencia para detectar tales señales específicas. Sin embargo, para detectar interacciones de tipos celulares específicos distintas del fondo, el método ofrece una solución robusta y escalable.