hoodscanR: profiling single-cell neighborhoods in spatial transcriptomics data

El paquete Bioconductor hoodscanR permite la identificación precisa de vecindarios celulares y el perfilado de cambios transcripcionales en células tumorales dentro de contextos espaciales, facilitando el estudio de mecanismos de enfermedades como el cáncer de mama y de pulmón.

Lo esencial

¡Hola! Imagina que el tejido de nuestro cuerpo (como un tumor de cáncer o el cerebro) es como una gran ciudad vibrante y llena de vida.

Durante mucho tiempo, los científicos estudiaban estas "ciudades" de dos formas:

1. La vista aérea (Bulk RNA-seq): Tomaban una foto desde un avión muy alto. Veían que había mucha gente, pero no podían distinguir quién era quién ni dónde vivían exactamente.
2. La foto de un vecino (Single-cell RNA-seq): Tomaban una foto de una sola persona en la calle. Sabían mucho sobre esa persona, pero no tenían idea de quiénes eran sus vecinos, si vivían en un barrio rico o pobre, o con quién se llevaban bien.

El problema es que quién vive al lado de quién (el vecindario) es crucial. Una célula cancerosa se comporta de manera muy diferente si sus vecinos son células inmunitarias que la atacan, o si están rodeadas de células que la protegen.

Aquí es donde entra hoodscanR.

¿Qué es hoodscanR?

Piensa en hoodscanR como un super-visor de vecindarios o un detective urbano para datos biológicos. Es un programa de computadora (un "paquete" de código) creado por un equipo de científicos para leer los nuevos mapas de alta tecnología de las células.

Su trabajo principal es responder a una pregunta simple pero poderosa: "¿Quién es el vecino de esta célula y qué tan cerca están?"

¿Cómo funciona? (La analogía del mapa de calor)

Imagina que tienes un mapa de una ciudad donde cada punto es una célula. HoodscanR hace lo siguiente:

1. El Radar de Vecinos: Para cada célula, el programa busca a sus k vecinos más cercanos (digamos, los 100 más cercanos).
2. La Probabilidad de "Pertenencia": Aquí está la magia. A diferencia de otros programas que te dicen: "Esta célula vive en el Barrio A", hoodscanR es más inteligente. Te dice: "Esta célula vive en una mezcla: un 60% en el Barrio de los Inmunes, un 30% en el Barrio de las Células Tumorales y un 10% en el Barrio de los Tejidos de Soporte".
   • ¿Por qué es importante? Porque en la vida real, los vecindarios no son cajas perfectas. A veces una célula está justo en la frontera. HoodscanR captura esa mezcla y esa incertidumbre.
3. El "Perplejidad" (La medida del caos): El programa también calcula una medida llamada "perplejidad". Imagina que entras a una habitación. Si solo hay personas hablando en un idioma, es fácil de entender (baja perplejidad). Si hay gente hablando 10 idiomas diferentes y gritando, es caótico (alta perplejidad). HoodscanR mide qué tan "caótico" o diverso es el vecindario de una célula.

¿Qué descubrieron con esta herramienta?

Los autores probaron su herramienta en dos "ciudades" reales: un tumor de cáncer de mama y un tumor de cáncer de pulmón.

1. Encontraron "Barrios Secretos": Descubrieron que las células tumorales no son todas iguales. Las que viven cerca de un "barrio" lleno de células B (soldados del sistema inmune) tienen una personalidad genética diferente a las que viven cerca de un "barrio" de tejido conectivo.
2. El Mapa del Tesoro: Al analizar estos vecindarios, encontraron genes específicos que se activan o desactivan dependiendo de la compañía que tenga la célula. Por ejemplo, en el cáncer de pulmón, encontraron que las células tumorales cerca de ciertas estructuras inmunitarias (llamadas estructuras linfoides terciarias) tenían genes relacionados con el colágeno que podrían estar ayudando al tumor a resistir los medicamentos.
3. Velocidad y Precisión: Compararon hoodscanR con otros programas existentes. Resultó que hoodscanR no solo era más preciso al definir estos vecindarios, sino que era 21 veces más rápido. Es como comparar un coche de carreras con una bicicleta de montaña; con los datos masivos de hoy en día, ¡necesitas el coche de carreras!

¿Por qué debería importarnos?

Imagina que eres un médico tratando de curar un cáncer. Si solo miras la célula cancerosa, es como tratar de arreglar un coche sin saber qué hay en el garaje.

Con hoodscanR, podemos ver el garaje completo:

• ¿Está rodeado de amigos que lo protegen?
• ¿Está en un barrio hostil donde el sistema inmune lo ataca?
• ¿Qué "señales" le están enviando sus vecinos?

Esto ayuda a los científicos a entender por qué algunos tratamientos funcionan y otros no, y a diseñar terapias más inteligentes que no solo ataquen al "criminal" (la célula cancerosa), sino que también cambien el "vecindario" para que sea menos acogedor para el crimen.

En resumen

hoodscanR es una herramienta revolucionaria que nos permite dejar de mirar células aisladas y empezar a entender la sociedad celular. Nos dice que, en el cuerpo humano, somos lo que nos rodea, y ahora tenemos el mapa perfecto para entender esas relaciones.

Resumen técnico

Resumen Técnico: hoodscanR - Perfilado de Vecindarios Celulares en Datos de Transcriptómica Espacial

1. Planteamiento del Problema

La transcriptómica espacial ha revolucionado la biología tisular al preservar la información de las coordenadas celulares, permitiendo estudiar el microambiente tumoral (TME) y las interacciones celulares con una resolución sin precedentes. Sin embargo, existen limitaciones críticas en las metodologías actuales para analizar estos datos:

• Falta de perfiles de vecindario a nivel celular: La mayoría de las herramientas existentes (como Squidpy, Giotto, Seurat, BayesSpace) se centran en la detección de dominios espaciales (regiones que contienen múltiples tipos celulares) o en pruebas de enriquecimiento de redes.
• Ausencia de membresía parcial: Los métodos actuales tienden a asignar una célula a un único vecindario o dominio, ignorando la realidad biológica de que una célula puede residir en una zona de transición o tener una composición vecinal mixta (ej. una célula en una zona rica tanto en células B como estromales).
• Falta de perfiles específicos por célula: No existe una capacidad generalizada para generar perfiles detallados de vecindario para cada célula individual, lo cual es esencial para caracterizar el contexto espacial preciso que rodea a cada célula.
• Ineficiencia computacional: Muchas herramientas struggle (luchan) para procesar conjuntos de datos de alta resolución y gran escala generados por plataformas modernas (como 10X Xenium o CosMx).

2. Metodología: hoodscanR

hoodscanR es un paquete de Bioconductor (R) diseñado para identificar vecindarios celulares y realizar análisis posteriores utilizando datos de transcriptómica espacial. Su flujo de trabajo se basa en los siguientes componentes técnicos:

A. Identificación de Vecinos y Cálculo de Probabilidades

1. Búsqueda de Vecinos Más Cercanos (ANN): Utiliza un algoritmo de Búsqueda de Vecinos Más Cercanos Aproximados (ANN) basado en árboles k-dimensionales para identificar eficientemente los $k$-vecinos más cercanos de cada célula en el espacio 2D.
2. Matriz de Distancias: Calcula la distancia euclidiana entre cada célula y sus vecinos.
3. Distribución de Probabilidad de Vecindario: Aplica una función SoftMax mejorada con un hiperparámetro de temperatura ($\tau$) para calcular la probabilidad de que una célula $x$ pertenezca a un vecindario definido por anotaciones de usuario (ej. tipos celulares).
   • La fórmula pondera la influencia de los vecinos basándose en su distancia y en si pertenecen a un grupo de anotación específico.
   • El parámetro $\tau$ controla el alcance de la influencia: valores pequeños enfatizan interacciones locales, mientras que valores grandes capturan relaciones espaciales más globales.
4. Resultado: Genera una matriz de probabilidad donde cada célula tiene un perfil de membresía parcial (valores entre 0 y 1) para múltiples tipos de vecindarios.

B. Métricas de Incertidumbre y Complejidad

• Perplejidad (Perplexity): Calcula la entropía de Shannon de la distribución de probabilidad de vecindario de cada célula. Un valor alto indica una mayor diversidad o complejidad en el entorno celular inmediato.
• Prueba de Permutación: Realiza pruebas de permutación empíricas (mezclando coordenadas espaciales) para calcular valores p y determinar la significancia estadística de la complejidad observada en un vecindario.

C. Análisis Derivados

• Clustering No Supervisado: Agrupa células con distribuciones de vecindario similares para identificar dominios espaciales basados en patrones de vecindad.
• Análisis de Co-localización: Evalúa correlaciones entre diferentes tipos de vecindarios.
• Análisis Diferencial de Expresión (DE): Permite comparar la expresión génica de células (ej. células tumorales) que residen en diferentes tipos de vecindarios, utilizando pseudo-bulk y pipelines como limma-voom.

3. Contribuciones Clave

1. Membresía Parcial a Nivel Celular: A diferencia de los métodos de clustering tradicionales que asignan etiquetas discretas, hoodscanR proporciona un perfil continuo de probabilidad, reconociendo que las células pueden pertenecer parcialmente a múltiples vecindarios simultáneamente.
2. Perfiles de Vecindario Específicos por Célula: Genera perfiles detallados para cada célula individual, permitiendo un análisis fino del contexto espacial.
3. Independencia de la Plataforma: Es compatible con múltiples tecnologías (Nanostring CosMx, 10X Xenium, MERFISH, STARmap, Visium HD) y utiliza la infraestructura SpatialExperiment de Bioconductor, asegurando interoperabilidad con otras herramientas.
4. Flexibilidad de Anotación: No se limita a tipos celulares; puede utilizar anotaciones basadas en la expresión génica (ej. receptores hormonales AR, ESR1, PGR) para definir vecindarios.
5. Eficiencia Computacional: Diseñado para manejar grandes volúmenes de datos (cientos de miles de células) con una velocidad superior a la de métodos competidores.

4. Resultados Principales

El estudio validó hoodscanR mediante benchmarks y aplicaciones en datos reales:

• Benchmarking de Dominios Espaciales:

  • Se comparó contra 7 métodos de vanguardia (Seurat, Banksy, BayesSpace, etc.) en 16 conjuntos de datos (pulmón, colon, cerebro, mama).
  • hoodscanR obtuvo la puntuación de rendimiento más alta (promedio de ARI, NMI, pureza y homogeneidad) y fue ~21 veces más rápido que el segundo método más rápido (Banksy).
  • Recuperó con precisión la arquitectura tisular (ej. capas concéntricas del colon) y demostró robustez incluso con anotaciones de tipos celulares de baja resolución.

• Identificación de Vecindarios en Cáncer:

  • En datos de cáncer de mama (Xenium) y NSCLC (CosMx), el paquete identificó con precisión la composición de vecindarios mixtos (ej. células tumorales con alta probabilidad de estar en vecindarios de células B y estromales).
  • Se detectaron regiones de alta complejidad (alta perplejidad) y se validaron estructuras como los Estructuras Linfoides Terciarias (TLS), asociadas a mejores resultados clínicos.

• Cambios Transcripcionales Dependientes del Vecindario:

  • Al comparar células tumorales en vecindarios ricos en macrófagos vs. estromales, se identificaron 220 genes diferencialmente expresados.
  • El análisis de enriquecimiento mostró vías relacionadas con el colágeno (ej. COL1A1, COL11A1) sobreexpresadas en ciertos contextos, sugiriendo mecanismos de resistencia a fármacos y progresión tumoral mediados por el microambiente.

• Aplicación en Tejidos No Cancerosos:

  • En datos de cerebro de ratón (Visium HD), hoodscanR identificó dominios basados en la expresión de genes marcadores neuronales, revelando diferencias transcripcionales sutiles en neuronas dependiendo de su vecindario local (ej. diferencias entre regiones Neurod6+ y Calb2+ relacionadas con plasticidad sináptica).

5. Significado e Impacto

El desarrollo de hoodscanR representa un avance significativo en el análisis de transcriptómica espacial por varias razones:

• Nueva Perspectiva Biológica: Permite a los investigadores pasar de la simple segmentación de regiones a la comprensión de la heterogeneidad espacial continua. Esto es crucial para entender cómo el microambiente local moldea el estado transcripcional y funcional de las células individuales.
• Descubrimiento de Mecanismos de Enfermedad: Facilita la identificación de mecanismos sutiles en la progresión del cáncer y la respuesta a terapias al correlacionar cambios genómicos con contextos espaciales específicos (ej. la relación entre TLS y respuesta inmune).
• Herramienta Versátil y Accesible: Al ser un paquete de Bioconductor, integra seamlessly con el ecosistema existente de análisis de datos de células individuales y espaciales, democratizando el acceso a análisis de vecindarios complejos.
• Potencial Terapéutico: La capacidad de mapear vecindarios específicos (como aquellos ricos en células B o con alta expresión de colágeno) ofrece dianas potenciales para nuevas terapias dirigidas al microambiente tumoral.

En conclusión, hoodscanR llena un vacío crítico en la caja de herramientas de bioinformática espacial, proporcionando una metodología robusta, rápida y flexible para desentrañar la complejidad de los nichos celulares en tejidos sanos y enfermos.