MANTIS: Analytics toolkit for spatial metabolomics with matching spatial transcriptomics data

MANTIS es un nuevo marco estadístico que unifica el análisis de metabolómica y transcriptómica espacial para descubrir patrones espaciales y relaciones gen-metabolito, corrigiendo rigurosamente factores de confusión y dependencias espaciales mediante pruebas de hipótesis avanzadas.

Lo esencial

¡Claro que sí! Imagina que el cuerpo humano es como una ciudad gigante y compleja. En esta ciudad, hay dos tipos de información crucial que queremos entender para saber cómo funciona la salud o la enfermedad:

1. Los "mensajes" (Transcriptómica Espacial): Son como los planos de construcción y las órdenes de trabajo que dan las células (basado en su ADN/ARN). Nos dicen qué deberían estar haciendo.
2. Los "combustibles y herramientas" (Metabolómica Espacial): Son las sustancias químicas reales, los nutrientes y los desechos que las células están usando en ese momento. Nos dicen qué están haciendo realmente.

El problema es que, hasta ahora, teníamos mapas de la ciudad por separado: uno de los planos y otro de los combustibles. Pero no sabíamos cómo encajaban perfectamente ni por qué ciertas zonas de la ciudad tenían un tráfico químico extraño.

Aquí es donde entra MANTIS.

¿Qué es MANTIS?

MANTIS es como un super detective con gafas de realidad aumentada. Es una herramienta informática nueva que toma esos dos mapas separados (los planos y los combustibles) y los superpone perfectamente para ver la ciudad en 3D, célula por célula.

Su trabajo principal es responder dos preguntas sencillas pero profundas:

1. ¿Dónde se esconden los "combustibles" raros? (¿Hay zonas de la ciudad donde se acumula un tipo de azúcar o grasa de forma extraña?)
2. ¿Quién está hablando con quién? (¿Qué "mensaje" genético está causando que aparezca ese combustible en ese lugar?)

¿Cómo funciona MANTIS? (Las analogías)

1. El Detective que no se deja engañar por el ruido

Imagina que estás en una fiesta ruidosa y quieres saber si dos personas están hablando entre sí. Si solo escuchas el volumen total, podrías pensar que están hablando porque la música está alta en toda la sala.

• El problema de las herramientas viejas: Las herramientas anteriores miraban los datos y decían: "¡Están juntos! ¡Seguro se hablan!". Pero a veces, simplemente estaban en la misma habitación (la misma región del tejido) y no tenían nada que ver el uno con el otro.
• La solución de MANTIS: MANTIS tiene un "filtro de ruido" inteligente. Usa una técnica estadística muy sofisticada (llamada permutación que preserva la autocorrelación) que es como reorganizar la fiesta miles de veces en tu mente para ver si, por pura suerte, esas dos personas se encontraban. Si después de miles de reorganizaciones siguen juntos, entonces sí, están hablando de verdad. Esto evita falsas alarmas.

2. Desentrañar el "Por qué" (Confusores)

A veces, dos cosas parecen relacionadas porque ambas pertenecen al mismo grupo.

• Ejemplo: Imagina que ves que en el barrio de los "Bomberos" siempre hay mucha agua y muchos camiones rojos.
• Pregunta: ¿El agua causa los camiones rojos?
• Respuesta de MANTIS: No. Ambos están ahí porque son Bomberos. MANTIS es capaz de decir: "Espera, esto no es una relación directa entre agua y camiones; es que ambos son parte de la identidad de los Bomberos".
• MANTIS separa lo que pasa por región (el barrio), lo que pasa por tipo de célula (la profesión) y lo que es una relación real y única entre dos moléculas.

3. Encontrar patrones ocultos

MANTIS no solo busca lo obvio. También busca patrones que no siguen a ningún barrio ni a ningún tipo de célula.

• Imagina un rastro de migas de pan que no va a ninguna casa específica, sino que forma un arco o un gradiente suave a través de la ciudad. MANTIS puede detectar ese "rastro" y decir: "¡Mira! Hay un flujo químico aquí que no depende de quién vive en la casa, sino de cómo se mueve la sustancia por el espacio".

¿Qué ha descubierto MANTIS hasta ahora?

Los creadores probaron MANTIS en cerebros de ratones y humanos (incluso en pacientes con Parkinson) y en tumores de cáncer de pulmón.

• En el cerebro: Encontraron que ciertas sustancias químicas (como la dopamina) se comportan de manera muy específica, alejándose de las zonas de "carreteras" (mielina) y concentrándose en las zonas de "parques" (neuronas).
• En el cáncer: Descubrió que las células inmunitarias (los "policías" del cuerpo) y ciertas grasas especiales estaban muy relacionadas en los bordes de los tumores, lo que sugiere que el sistema inmune está luchando activamente contra el cáncer en esas zonas específicas.

En resumen

MANTIS es la herramienta que finalmente nos permite leer el "diario de la ciudad" de nuestro cuerpo. Nos dice no solo qué hay en cada calle, sino por qué está allí, quién lo puso ahí y si es algo normal o una señal de alarma.

Es como pasar de tener una lista de ingredientes sueltos a tener la receta completa de cómo funciona la vida a nivel microscópico, ayudando a los científicos a encontrar nuevas formas de curar enfermedades.

Resumen técnico

Resumen Técnico: MANTIS - Un Kit de Herramientas Analíticas para Metabolómica y Transcriptómica Espacial

1. Planteamiento del Problema

La integración de Metabolómica Espacial (SM) y Transcriptómica Espacial (ST) en el mismo tejido ofrece una visión multi-ómica sin precedentes para comprender la función tisular y los estados metabólicos. Sin embargo, el análisis de estos datos acoplados enfrenta desafíos significativos:

• Falta de herramientas estadísticas robustas: Las herramientas existentes se centran principalmente en la alineación y alineación de las modalidades, pero carecen de soporte para explorar relaciones biológicas profundas entre las capas moleculares.
• Ignorancia de la dependencia espacial: La mayoría de los métodos actuales utilizan métricas de correlación no espaciales (como Pearson), lo que ignora las estructuras de covarianza espacial prevalentes y diversas, llevando a falsos positivos.
• Confusión por factores de confusión: Las correlaciones entre genes y metabolitos a menudo se ven confundidas por la asociación con tipos celulares específicos o dominios espaciales (regiones), sin que existan métodos rigurosos para desentrañar estas fuentes de variación.
• Falta de pruebas de hipótesis calibradas: Existe una carencia de pruebas estadísticas rigurosas que controlen la tasa de falsos descubrimientos (FDR) considerando la autocorrelación espacial.

2. Metodología: El Kit de Herramientas MANTIS

MANTIS (Metabolomics And Transcriptomics In Space) es un marco estadístico diseñado para analizar perfiles SM+ST co-registrados a resolución de célula o "spot". Su arquitectura se basa en los siguientes pilares metodológicos:

• Entrada de Datos: Asume un conjunto de datos alineado que incluye coordenadas espaciales, perfiles de abundancia de metabolitos, perfiles de expresión génica y, opcionalmente, anotaciones de tipos celulares y dominios espaciales.
• Estrategia de Permutación Preservando la Autocorrelación:
  • Para evaluar la significancia estadística, MANTIS emplea un método innovador de permutación basado en recocido simulado (Simulated Annealing).
  • Este método genera mapas nulos aleatorizados que preservan la distribución marginal y, crucialmente, el nivel de autocorrelación espacial del metabolito original. Esto permite establecer una distribución nula empírica rigurosa.
• Funcionalidades Principales:
  1. Descubrimiento de Patrones Espaciales de Metabolitos:
     • Metabolitos asociados a regiones (regional_met): Utiliza la divergencia de Kullback-Leibler (KL) para medir la desviación del perfil de abundancia de un metabolito respecto a un perfil de fondo, evaluando su preferencia regional.
     • Metabolitos asociados a tipos celulares (celltype_met): Emplea el Índice de Correlación Cruzada Espacial (SCI), análogo al índice de Moran bivariado, para medir la covarianza espacial entre la presencia de un tipo celular y la abundancia del metabolito.
     • Metabolitos espacialmente variables (spatvar_met): Detecta metabolitos con patrones espaciales inusuales que no se explican por regiones o tipos celulares, utilizando el Índice de Moran sobre los residuos tras regredir contra las variables de confusión (dominios o tipos celulares).
  2. Identificación de Relaciones Gen-Metabolito:
     • Calcula el SCI para pares gen-metabolito.
     • Implementa Correlación Parcial Espacial (SPC):
       • compute_SPC-CT: Elimina el efecto de los tipos celulares antes de calcular la correlación.
       • compute_SPC-SD: Elimina el efecto de los dominios espaciales.
     • Esto permite distinguir entre asociaciones directas y aquellas que son meras consecuencias de la co-localización en un mismo tipo celular o región.

3. Contribuciones Clave

• Unificación de Modalidades: Es la primera herramienta que integra metabolómica espacial, transcriptómica espacial, información de tipos celulares y dominios espaciales en un solo marco estadístico.
• Inferencia Estadística Calibrada: Introduce un enfoque riguroso para el control de falsos positivos mediante permutaciones que respetan la estructura espacial, superando las limitaciones de las correlaciones estándar.
• Desenmascaramiento de Confusores: Proporciona la capacidad de disociar las fuentes de variación espacial (preferencia regional vs. asociación celular vs. factores desconocidos), ofreciendo interpretaciones biológicas más precisas.
• Flexibilidad: Funciona con datos de diferentes tecnologías (MALDI-MSI, 10x Visium) y resoluciones (célula individual vs. spots).

4. Resultados y Validación

El equipo validó MANTIS en tres conjuntos de datos diversos:

• Estriado de Ratón (Vicari et al.):
  • Identificó 66 metabolitos significativamente asociados a regiones (FDR < 0.1), una cifra mucho más conservadora y específica que las miles de asociaciones reportadas por herramientas basadas en pruebas de diferencias entre grupos (como Wilcoxon) que no controlan la autocorrelación.
  • Descubrió 1,518 asociaciones significativas entre tipos celulares y metabolitos, reduciendo drásticamente el ruido comparado con métodos no espaciales.
  • Detectó 73 metabolitos espacialmente variables que no se explicaban por dominios o tipos celulares, revelando gradientes difusos y puntos calientes focales.
  • En el análisis gen-metabolito, MANTIS identificó un subconjunto de asociaciones (2.4% de los pares probados) que persisten tras corregir por tipos celulares y dominios, mientras que métodos basados en Pearson reportaban un 77% de falsos positivos espaciales.
• Cáncer de Pulmón Humano:
  • Aplicado a datos de células individuales, reveló asociaciones entre marcadores inmunes (CD45RA/RO) y metabolitos específicos, sugiriendo una vinculación estrecha entre la infiltración inmune y la estructura metabólica espacial.
  • Confirmó la acumulación de glicina en regiones tumorales, consistente con el metabolismo glucolítico acelerado.
• Estriado Humano (Parkinson):
  • Analizó tejido post-mortem, mostrando que muchas asociaciones iniciales entre dopamina y genes de mielina eran impulsadas por la segregación espacial de la materia gris y blanca.
  • Tras corregir por dominios espaciales, se revelaron asociaciones específicas, como la correlación negativa entre Cntn2 (asociado a axones mielinizados) y GABA-H2O (actividad neuronal GABAérgica), reflejando la exclusión mutua de estos compartimentos.

5. Significado e Impacto

MANTIS representa un avance fundamental en la bioinformática espacial al proporcionar un marco estadístico riguroso para la integración multi-ómica.

• Precisión Biológica: Al controlar estrictamente la autocorrelación espacial y los factores de confusión, MANTIS reduce drásticamente la tasa de falsos descubrimientos, permitiendo a los investigadores confiar en las relaciones gen-metabolito descubiertas.
• Nuevas Hipótesis Biológicas: La capacidad de aislar patrones espaciales específicos (más allá de la simple co-localización) permite descubrir mecanismos regulatorios y microambientes metabólicos que antes permanecían ocultos.
• Estándar de Oro: Establece un nuevo estándar para el análisis de datos SM+ST, moviéndose más allá de la alineación y el clustering hacia la inferencia causal y la modelización de relaciones moleculares en el contexto espacial.

En resumen, MANTIS transforma el análisis de datos espaciales multi-ómicos de una exploración descriptiva a una inferencia estadística robusta, facilitando el descubrimiento de mecanismos biológicos precisos en tejidos sanos y enfermos.