Mosaic integration of spatial multi-omics with SpaMosaic

SpaMosaic es una herramienta escalable basada en aprendizaje contrastivo y redes neuronales gráficas que integra datos espaciales multi-ómicos heterogéneos para identificar dominios espaciales coherentes, corregir efectos de lote e imputar modalidades faltantes, facilitando así la construcción de atlas biológicos integrales.

Lo esencial

¡Hola! Imagina que quieres construir un mapa completo y detallado de una ciudad enorme (como el cerebro humano), pero tienes un problema: nadie tiene una sola foto que lo muestre todo.

En lugar de eso, tienes un montón de fotos tomadas por diferentes personas, con diferentes cámaras y en diferentes momentos:

• Una foto solo muestra las carreteras (ARN).
• Otra solo muestra los edificios (proteínas).
• Otra solo muestra el tráfico (accesibilidad del ADN).
• Y algunas fotos están un poco borrosas o tienen un filtro de color diferente (efectos de "lote" o ruido técnico).

Además, estas fotos no siempre se toman del mismo pedazo de tierra exacto; a veces son secciones vecinas o de diferentes épocas de la construcción de la ciudad.

El problema: Si intentas juntar estas fotos manualmente, se ven mal, no encajan y pierdes información. Las herramientas antiguas para unir fotos no funcionaban bien porque no entendían que la "vecindad" (la ubicación espacial) es tan importante como el contenido de la foto.

La solución: SpaMosaic
Los autores de este artículo crearon una herramienta llamada SpaMosaic. Imagina que SpaMosaic es un arquitecto genio con una lupa mágica que puede tomar todas esas fotos desordenadas y crear un "mapa maestro" perfecto.

Aquí te explico cómo funciona con analogías sencillas:

1. El Traductor Universal (Aprendizaje Contrastivo)

Imagina que tienes a un grupo de personas hablando idiomas diferentes (uno habla de carreteras, otro de edificios). Normalmente, no se entenderían.
SpaMosaic actúa como un traductor universal que no solo traduce las palabras, sino que entiende el significado detrás de ellas.

• Si una persona dice "aquí hay un puente" (en el idioma de las carreteras) y otra dice "aquí hay una estructura de acero" (en el idioma de los edificios), SpaMosaic entiende que ambas hablan del mismo lugar.
• Usa una técnica llamada "aprendizaje contrastivo" para decir: "¡Oye, estos dos puntos son el mismo lugar, así que deben verse iguales en nuestro mapa final!" y "¡Esos otros dos son diferentes, así que sepáralos!".

2. El Vecino Sabio (Redes Neuronales de Grafos)

En una ciudad, lo que pasa en una esquina afecta a la esquina de al lado.
SpaMosaic no mira cada punto de datos en aislamiento. Usa una Red Neuronal de Grafos, que es como un sistema de vecinos que se pasan la información.

• Si un vecino tiene una foto borrosa, SpaMosaic le pregunta a sus vecinos: "¿Qué hay aquí?".
• Combina la información de la foto borrosa con la información de los vecinos cercanos (que tienen fotos claras) para reconstruir lo que debería estar ahí. Esto ayuda a limpiar el ruido y hacer que los mapas se vean nítidos.

3. El Detective de lo Faltante (Imputación)

A veces, en una sección del mapa, solo tienes la foto de las carreteras, pero te falta la de los edificios.
SpaMosaic es tan inteligente que puede adivinar (imputar) qué edificios deberían estar ahí.

• Mira el mapa completo que ha creado con todas las otras secciones.
• Dice: "En esta zona, donde hay carreteras de este tipo, siempre hay edificios de este tipo en las otras fotos".
• Así, reconstruye la información que falta sin necesidad de volver a tomar la foto. ¡Es como si pudiera pintar los edificios faltantes basándose en la lógica de la ciudad!

¿Por qué es tan importante esto?

Antes, para tener un mapa completo, tenías que hacer un experimento muy costoso y difícil que midiera todo (carreteras, edificios, tráfico) en el mismo pedazo de papel al mismo tiempo. A menudo, eso era imposible o muy caro.

Con SpaMosaic, puedes tomar muchos experimentos baratos y fáciles (cada uno midiendo solo una cosa) y unirlos para crear un atlas biológico completo.

En resumen:
SpaMosaic es como un maestro de puzles que puede tomar miles de piezas de diferentes cajas, de diferentes tamaños y con diferentes colores, y armar un cuadro perfecto de cómo funciona el cuerpo humano en 3D, revelando secretos que antes estaban ocultos porque las piezas estaban separadas.

Ha demostrado ser mejor que todas las herramientas anteriores al:

1. Unir datos de diferentes tecnologías sin que se vean extraños.
2. Limpiar el "ruido" de las fotos.
3. Inventar (de forma inteligente) la información que falta.
4. Identificar con precisión las "barrios" o regiones del cerebro y otros tejidos.

¡Es un gran paso para entender cómo funciona la vida a nivel celular y espacial!

Resumen técnico

Resumen Técnico: SpaMosaic para la Integración de Multi-ómica Espacial

1. El Problema

Las tecnologías de ómica espacial permiten estudiar la heterogeneidad celular en su contexto tisular. Sin embargo, existen limitaciones técnicas y de costo que dificultan la obtención simultánea de múltiples capas ómicas (transcriptoma, epigenoma, proteoma) en una sola sección de tejido. Como resultado, la mayoría de los datos disponibles provienen de secciones diferentes, a veces adyacentes, con perfiles de ómicas parciales o incompletos (por ejemplo, una sección con ARN y otra con ATAC-seq).

La integración de estos datos dispersos, conocidos como integración de mosaico, presenta desafíos únicos:

• Heterogeneidad de modalidades: Los conjuntos de datos tienen composiciones de modalidades diferentes (algunas tienen ARN+Proteína, otras solo ARN).
• Efectos de lote y ruido: Las secciones provienen de diferentes tecnologías, momentos de desarrollo o estudios, introduciendo variaciones técnicas significativas.
• Falta de métodos específicos: Los métodos existentes de integración de células individuales (como Cobolt, scMoMaT) ignoran el contexto espacial. Los métodos espaciales actuales (como BANKSY, CellCharter) están diseñados para integración horizontal (misma modalidad) o vertical (misma sección), pero no pueden manejar el caso general de integración espacial de mosaico donde las secciones tienen modalidades superpuestas pero no idénticas.

2. Metodología: SpaMosaic

SpaMosaic es una herramienta computacional diseñada para integrar datos de ómica espacial de múltiples secciones con composiciones de modalidades parciales. Su arquitectura se basa en tres pilares principales:

• Aprendizaje Contrastivo y Redes Neuronales de Grafos (GNN):

  • SpaMosaic proyecta cada sección en un espacio latente agnóstico a la modalidad (modality-agnostic).
  • Utiliza un marco de aprendizaje contrastivo para alinear las representaciones de diferentes modalidades. Los pares positivos se forman por las diferentes modalidades del mismo punto (spot), mientras que los pares negativos se forman por puntos diferentes dentro de la misma sección.
  • Emplea una Red de Convolución Ligera de Grafos (Weighted Light Graph Convolution Network - LGCN) para codificar la información. Esta red construye un grafo heterogéneo que incluye dos tipos de conexiones:
    1. Adyacencia espacial: Vecinos más cercanos basados en la distancia física dentro de la misma sección.
    2. Adyacencia basada en características ómicas: Vecinos mutuos (MNN) entre secciones diferentes que comparten modalidades, lo que permite la integración transversal.

• Manejo de Ruido y Desigualdad de Tamaños:

  • Implementa algoritmos de detección de valores atípicos (Isolation Forest) para filtrar pares de MNN ruidosos.
  • Utiliza un enfoque de tamaño de vecinos asimétrico para manejar secciones con tamaños de puntos muy desiguales, evitando sesgos en la integración.

• Imputación de Modalidades Faltantes:

  • Una vez generado el espacio latente unificado, SpaMosaic puede imputar las modalidades faltantes en secciones que no las midieron. Esto se logra mediante un enfoque basado en $k$-vecinos más cercanos (kNN) en el espacio latente alineado, promediando los perfiles de las modalidades medidas de los vecinos para reconstruir la modalidad faltante.

3. Contribuciones Clave

• Primer marco de integración de mosaico espacial: SpaMosaic es la primera herramienta capaz de realizar simultáneamente la integración vertical (armonización de modalidades) y horizontal (reducción de efectos de lote) en datos espaciales con composiciones de modalidades parciales.
• Escalabilidad: El método es altamente escalable, capaz de integrar más de 100 secciones y procesar secciones individuales con más de 800,000 puntos.
• Agnosticismo tecnológico: Funciona independientemente de la tecnología de adquisición (Visium, Stereo-seq, DBiT, etc.) y puede integrar secciones de diferentes resoluciones y tamaños.
• Inferencia de relaciones sin co-perfilado: Permite descubrir relaciones biológicas entre modalidades que nunca fueron medidas en la misma sección (ej. correlaciones entre histonas y ARN en secciones diferentes).

4. Resultados

Los autores evaluaron SpaMosaic mediante datos simulados y múltiples conjuntos de datos experimentales reales (cerebro de ratón, embrión, amígdala, ganglio linfático) abarcando ARN, ATAC, modificaciones de histonas y proteínas.

• Rendimiento Superior en Identificación de Dominios Espaciales:

  • En datos simulados y reales, SpaMosaic superó consistentemente a métodos competidores (CLUE, Cobolt, scMoMaT, MultiVI, etc.) en la identificación de dominios espaciales coherentes y biológicamente relevantes.
  • Logró recuperar patrones espaciales ocultos en secciones con modalidades incompletas (ej. recuperar factores espaciales en secciones de solo ARN o solo proteína).
  • Métricas clave como el Índice de Rand Ajustado (ARI), PAS (porcentaje de puntos anormales) y CHAOS (caos espacial) mostraron que SpaMosaic produce clusters más limpios y espacialmente continuos.

• Integración de Lote y Alineación de Modalidades:

  • SpaMosaic demostró una excelente capacidad para eliminar efectos de lote entre tecnologías y etapas de desarrollo, manteniendo al mismo tiempo la separación biológica de los clusters.
  • En la prueba de transferencia de etiquetas (label transfer), SpaMosaic obtuvo los puntajes F1 más altos, indicando una alineación precisa entre modalidades diferentes.

• Imputación Precisa y Descubrimiento Biológico:

  • La imputación de modificaciones de histonas (H3K4me3, H3K27ac) en secciones donde solo se midió ARN o ATAC recuperó correlaciones esperadas (ej. H3K4me3 positivo con ARN, H3K27me3 negativo).
  • Hallazgo biológico: La imputación reveló enlaces regulatorios específicos de regiones (ej. genes de diferenciación de oligodendrocitos y mielinización en el cuerpo calloso) que no eran evidentes en los datos de ATAC medidos directamente, demostrando que la integración de múltiples secciones mejora la señal y la resolución biológica.

• Casos de Uso Complejos:

  • SpaMosaic integró exitosamente datos de 6 etapas de desarrollo embrionario con dos tecnologías diferentes (Misar-seq y Stereo-seq) y resoluciones distintas, identificando estructuras cerebrales finas que otros métodos no pudieron separar.
  • Integró un conjunto de datos de 7 secciones de embrión de ratón con 5 modalidades diferentes, incluyendo secciones con modalidades únicas, logrando una anotación anatómica consistente.

5. Significado e Impacto

SpaMosaic representa un avance fundamental en el análisis de datos espaciales multi-ómicos. Su capacidad para unificar atlas biológicos heterogéneos sin necesidad de que las secciones sean adyacentes o que todas las modalidades estén presentes en cada muestra, resuelve un cuello de botella crítico en la biología espacial.

• Construcción de Atlas: Facilita la construcción de atlas espaciales multi-ómicos completos a partir de la acumulación de datos públicos y privados dispersos.
• Descubrimiento de Mecanismos: Al permitir la inferencia de relaciones entre capas moleculares que no se midieron juntas, abre nuevas vías para entender la regulación génica y la organización tisular.
• Accesibilidad: Al ser una herramienta de código abierto y altamente escalable, SpaMosaic democratiza el análisis de grandes conjuntos de datos espaciales complejos, permitiendo a los investigadores extraer información biológica profunda de datos que anteriormente eran difíciles de integrar.

En resumen, SpaMosaic transforma la integración de datos espaciales fragmentados en un proceso robusto y automatizado, sentando las bases para la próxima generación de atlas de tejidos multi-ómicos.