💻 bioinformatics

Statistical tests for bivariate spatial association across multi-omics data with disjoint coordinates

Este artículo presenta el paquete de R `sbivar`, el cual proporciona un conjunto de pruebas estadísticas modificadas y estimadores de varianza para evaluar rigurosamente las asociaciones espaciales bivariadas entre modalidades multiómicas con coordenadas disjuntas, contabilizando adecuadamente la autocorrelación espacial y los desafíos computacionales de alta dimensión.

Autores originales: Hawinkel, S., Hu, W., Velten, B., Maere, S.

Publicado 2026-07-23

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Hawinkel, S., Hu, W., Velten, B., Maere, S.

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina que eres un detective intentando resolver un misterio dentro de una ciudad viva. Esta ciudad es un trozo de tejido biológico, y los "ciudadanos" son moléculas como genes y metabolitos. En el pasado, los científicos solo podían tomar una foto borrosa de toda la ciudad o una foto de alta definición de solo una esquina de una calle. Pero ahora, tenemos microscopios superpotentes que pueden mapear exactamente dónde viven diferentes tipos de moléculas dentro del tejido. La gran pregunta es: ¿les gusta a ciertas moléculas pasar el tiempo juntas? Si un gen específico y un químico específico se encuentran en el mismo vecindario, podrían estar trabajando juntos en un proyecto secreto, como construir una pared celular o combatir una infección. Encontrar estos "pares de amigos" ayuda a comprender cómo funciona la vida, cómo comienzan las enfermedades y cómo solucionarlas.

Sin embargo, hay un inconveniente. Los diferentes microscopios utilizados para mapear estas moléculas suelen tener diferentes resoluciones. Uno puede tomar una foto con puntos diminutos y perfectos en píxeles, mientras que el otro toma una foto con puntos ligeramente más grandes y difusos. Incluso si alineas las dos fotos perfectamente, es raro que los puntos de una foto caigan exactamente encima de los puntos de la otra. Es como intentar hacer coincidir una cuadrícula de pequeñas piezas de LEGO con una cuadrícula de bloques de Jenga ligeramente más grandes; simplemente no encajan uno a uno. Además, las moléculas en biología no están dispersas al azar como canicas en un suelo; tienden a agruparse en patrones, un fenómeno que los científicos llaman "autocorrelación espacial". Si ignoras estos grupos y las cuadrículas desalineadas, tu matemática puede confundirse mucho, llevándote a pensar que dos moléculas son mejores amigas cuando en realidad son solo extrañas que casualmente estaban en la misma zona general.

Aquí es donde entra en juego este nuevo artículo con un nuevo conjunto de herramientas. Los autores, Stijn Hawinkel y su equipo, se dieron cuenta de que muchos de los métodos existentes para encontrar estos pares de amigos moleculares estaban utilizando la matemática equivocada. Trataban los datos como si las moléculas estuvieran dispersas de forma aleatoria y perfectamente alineadas, lo que provocaba muchas falsas alarmas: encontraba "amistades" que en realidad no existían. El equipo sostiene que se necesita un método que pueda manejar cuadrículas desalineadas (coordenadas disjuntas) y que, al mismo tiempo, respete el agrupamiento natural de las moléculas.

Para resolver esto, desarrollaron un nuevo paquete de software llamado sbivar (que puedes encontrar en GitHub). No se limitaron a inventar un nuevo truco; adaptaron tres enfoques estadísticos diferentes para trabajar en estos mapas desordenados y desalineados:

La "Vigilancia Vecinal" (Moran's I bivariante): Imagina que estás comprobando si dos tipos de personas están pasando el tiempo en el mismo vecindario. En lugar de necesitar que estén exactamente en el mismo lugar, este método observa qué tan cerca están unos de otros. Los autores ajustaron este viejo método para calcular las probabilidades de que estén juntos, teniendo en cuenta el hecho de que las personas naturalmente se agrupan. Crearon una nueva forma de medir el "ruido" en los datos para que no se dejen engañar por el agrupamiento.
El "Mapa Suavizado" (Modelos Aditivos Generalizados o GAMs): Este método es como dibujar una manta suave y ondulada sobre los puntos de datos para ver el panorama general. Crea una superficie suave para cada tipo de molécula basándose en su ubicación, incluso si los puntos están en cuadrículas diferentes. Luego, compara las dos mantas suaves para ver si suben y bajan en los mismos lugares. El equipo descubrió cómo medir la incertidumbre de estas mantas para saber si la coincidencia es real o solo una casualidad.
El "Detective de Distancias" (Procesos Gaussianos Bivariantes): Este es un modelo matemático más complejo que trata al tejido como un campo continuo donde la relación entre las moléculas cambia según la distancia. Es muy potente, pero puede ser lento de ejecutar en una computadora.

El equipo probó estas nuevas herramientas utilizando simulaciones por computadora. Crearon mapas de tejido falsos con patrones conocidos —algunos donde las moléculas eran verdaderas amigas y otros donde solo eran vecinas aleatorias. Descubrieron que los métodos antiguos a menudo gritaban "¡Amistad!" cuando no la había, especialmente cuando las moléculas tenían grupos naturales. En cambio, sus nuevos métodos (especialmente la Vigilancia Vecinal y el Mapa Suavizado) fueron mucho mejores para mantener la calma cuando no había amistad y gritar "¡Amistad!" solo cuando era real. También demostraron que estas nuevas herramientas funcionan bien incluso cuando los mapas están ligeramente desalineados, lo cual sucede a menudo en experimentos reales.

Finalmente, llevaron sus nuevas herramientas a datos del mundo real de muestras de cáncer de pulmón y de mama humanos, y muestras de cerebro de ratón. Encontraron algunos pares nuevos y emocionantes. Por ejemplo, en una muestra de cáncer de pulmón, descubrieron que un grupo de genes llamados Kallikreins estaban pasando el tiempo con una molécula de grasa específica llamada PI 34:1. Esto tiene sentido biológicamente porque ambos están involucrados en una vía de señalización importante que las células utilizan para comunicarse. En el cerebro de ratón, encontraron que un gen (CSRP1) y una molécula de grasa (palmitoyl-L-carnitine) eran vecinos en el estriado del cerebro. Este emparejamiento insinúa cómo las células cerebrales y sus células de apoyo (astrocitos) podrían estar intercambiando fuentes de energía.

El artículo no pretende haber resuelto todos los misterios de la biología, y los autores admiten que algunas de sus herramientas son más lentas que otras. Sin embargo, han proporcionado una forma mucho más fiable de encontrar estas conexiones moleculares sin dejarse engañar por la naturaleza desordenada de los datos del mundo real. Al arreglar la matemática, esperan que los científicos puedan ahora confiar en sus hallazgos sobre qué moléculas están trabajando realmente juntas, lo que conducirá a mejores conocimientos sobre cómo funciona nuestro cuerpo y cómo se pueden detener enfermedades como el cáncer.

Resumen Técnico: Pruebas Estadísticas para la Asociación Espacial Bivariante en Datos Multi-ómicos con Coordenadas Disjuntas

Planteamiento del Problema

El surgimiento de la ómica espacial multimodal ha permitido la medición de múltiples tipos de datos de alta dimensión (por ejemplo, transcriptómica y metabolómica) en secciones de tejido consecutivas o co-ensayados en la misma sección. Un objetivo primordial es detectar asociaciones estadísticas entre características de diferentes modalidades para inferir procesos biológicos. Sin embargo, los marcos analíticos actuales enfrentan tres desafíos críticos:

Conjuntos de Coordenadas Disjuntos: Debido a las diferencias en la resolución espacial y las áreas de medición entre tecnologías (por ejemplo, 10x Genomics Visium frente a MALDI-MSI), incluso tras la alineación de imágenes, no existe un mapeo uno a uno entre los puntos de medición. En consecuencia, las cantidades estadísticas estándar como las distribaciones conjuntas y las correlaciones de Pearson no están definidas.
Pérdida de Información en las Prácticas Actuales: La solución prevalente consiste en agregar los puntos de alta resolución para que coincidan con la menor resolución de la otra modalidad. Esta "granulación" descarta la información espacial y no logra explotar la resolución completa de los datos.
Hipótesis Nulas e Hipótesis Inválidas: Muchas pruebas de asociación bivariante existentes (por ejemplo, la correlación de Pearson estándar, las pruebas de permutación ingenuas o ciertas versiones del Índice de Moran bivariante) asumen implícitamente observaciones independientes e idénticamente distribuidas (i.i.d.) o intercambiabilidad. Estas suposiciones se violan en los datos de ómica espacial debido a la Autocorrelación Espacial (SAC) inherente. Por consiguiente, estos métodos a menudo prueban una "hipótesis nula de aleatorización" (ausencia de SAC en cualquier variable) en lugar de la "hipótesis nula de independencia" (ausencia de asociación entre variables dada la SAC). Esto conduce a tasas infladas de error Tipo I y conclusiones erróneas donde los patrones espaciales univariantes se confunden con asociaciones bivariantes.

Metodología

Los autores proponen un conjunto de pruebas escalables diseñadas para operar directamente sobre conjuntos de coordenadas disjuntos mientras contabilizan explícitamente la SAC en ambas variables. Los métodos están implementados en el paquete de R sbivar.

1. Índice de Moran Bivariante bajo la Hipótesis Nula de Independencia

Concepto: Una generalización del Índice de Moran bivariante ( $I_{xy} = x^T W y$ ) a coordenadas disjuntas utilizando una matriz de pesos $W$ donde los elementos $w_{ij}$ decaen con la distancia entre el punto $i$ de la modalidad X y el punto $j$ de la modalidad Y.
Estimación de la Varianza: A diferencia de enfoques previos que asumen observaciones i.i.d., los autores derivan un estimador de varianza analítico que incorpora la SAC. La varianza se calcula como $\text{Var}(I_{xy}) = \text{tr}(W^T \hat{\Sigma}_x W \hat{\Sigma}_y)$ , donde $\hat{\Sigma}_x$ y $\hat{\Sigma}_y$ son matrices de autocorrelación estimadas derivadas de modelos de variograma (por ejemplo, el estimador de Matheron).
Prueba: Se asume que el estadístico de la prueba sigue una distribución normal estándar asintótica. Para detectar diversos patrones espaciales, se prueban múltiples matrices de pesos (con diferentes parámetros de decaimiento), y sus valores p se combinan mediante la prueba de combinación de Cauchy para valores p dependientes.

2. Procesos Gaussianos (GP) Bivariantes

Concept de: Modela el vector concatenado de observaciones de ambas modalidades ( $z$ $z$ ) utilizando una distribución Normal Multivariante. La matriz de covarianza $\Sigma$ $Σ$ se descompone en:
- Ruido independiente.
- SAC univariante dentro de cada modalidad ( $\Sigma_{SAC}$ ).
- Covarianza espacial bivariante ( $\Sigma_{biv}$ ) que representa la asociación de interés.
Prueba: Se utiliza una prueba de puntuación (score test) para probar la hipótesis nula de que el componente de varianza de la asociación bivariante ( $\tau$ ) es cero. Para manejar el límite del espacio de parámetros, se prefiere una prueba de puntuación sobre las pruebas de Wald o de razón de verosimilitud. El método busca tanto asociaciones positivas como negativas y combina los valores p a través de un rango de escalas de longitud ( $l_{xy}$ ) usando la prueba de combinación de Cauchy.

3. Modelos Aditivos Generalizados (GAM)

Concepto: Modela los patrones espaciales de cada modalidad como funciones suaves del espacio utilizando splines de suavizado de placa delgada 2D ( $s_x(c_i)$ y $s_y(e_j)$ ).
Manejo de la Disjuntividad: Las superficies de spline ajustadas se evalúan en una rejilla común, uniformemente espaciada, dentro del casco cóncavo de los datos. La covarianza y la correlación entre estas superficies evaluadas se calculan de forma sistemática.
Estimación de la Varianza: Debido a que las evaluaciones de los splines son dependientes, las fórmulas de varianza estándar son inválidas. Los autores utilizan el método delta para propagar la incertidumbre de los coeficientes de los splines hacia la estimación de la correlación, permitiendo un z-test válido.
Extensiones: El marco soporta diferentes distribuciones de resultados (por ejemplo, binomial negativa para transcriptómica, gamma para metabolómica) y puede extenderse a Modelos Aditivos Mixtos Generalizados (GAMM) para contabilizar la SAC residual.

4. Análisis de Multi-Imagen

Para experimentos replicados (múltiples secciones de tejido), los autores proponen un enfoque pragmático: calcular una medida de asociación (por ejemplo, el Índice de Moran o la correlación de spline) para cada imagen individualmente, y luego introducir estas medidas en un modelo lineal que contabilice el diseño experimental. Este enfoque cuantifica la variabilidad entre réplicas en lugar de dentro de una sola imagen, absorbiendo naturalmente la variabilidad inducida por la SAC.

Contribuciones Clave

Avance Teórico: El artículo redefine la hipótesis nula para la asociación espacial bivariante, distinguiendo entre la "hipótesis nula de aleatorización" (sin SAC) y la "hipótesis nula de independencia" (sin asociación dada la SAC). Proporciona estimadores de varianza analíticos para el Índice de Moran bivariante y los GAM que contabilizan correctamente la SAC en coordenadas disjuntas.
Innovación Metodológica: Introduce tres métodos escalables (Índice de Moran Bivariante, Procesos Gaussianos Bivariantes, GAM) que no requieren el emparejamiento de puntos ni la agregación de datos, preservando así la resolución espacial.
Implementación de Software: El desarrollo del paquete de R sbivar, que proporciona una interfaz unificada para estas pruebas, incluyendo soporte para análisis de sección única y de múltiples secciones.

Resultados

Estudios de Simulación:

Control del Error Tipo I: Simulaciones paramétricas y no paramétricas demuestran que muchos métodos existentes (incluyendo la correlación de Pearson estándar, el C de Geary bivariante y las pruebas de permutación ingenuas) sufren de errores Tipo I inflados cuando hay SAC presente en una o ambas variables. En contraste, los métodos propuestos (Índice de Moran bivariante bajo la hipótesis de independencia, Procesos Gaussianos Bivariantes y GAM) controlan con éxito las tasas de error Tipo I.
Potencia: Los nuevos métodos exhiben generalmente una buena potencia para detectar diversos patrones bivariantes (por ejemplo, "vetas", "zonas" y dependencias de procesos gaussianos). Aunque los Procesos Gaussianos Bivariantes y los GAM son computacionalmente intensivos, el Índice de Moran bivariante y los GAM ofrecen un equilibrio favorable entre velocidad y potencia.
Robustez: Los métodos mantienen el control del error Tipo I incluso en presencia de errores de alineación, aunque la potencia disminuye a medida que aumenta la distorsión.

Aplicaciones de Datos Reales:

Datos Godfrey (Cáncer de Pulmón/Mama Humano): Aplicado a transcriptómica y metabolómica co-ensayadas. Los nuevos métodos identificaron pares gen-metabolito significativos que fueron omitidos por el análisis original basado en correlación (que utilizaba un umbral fijo). Notablemente, se encontró una asociación positiva entre los transcritos de Kallikrein (KLK10-13) y el metabolito PI 34:1 en cáncer de pulmón, vinculándolos a la vía de señalización PI3K/AKT.
Datos Vicari (Cerebro de Ratón): Aplicado a modelos de la enfermedad de Parkinson. El análisis confirmó algunos hallazgos previos, pero también reveló nuevas asociaciones, como un vínculo positivo entre los transcritos de CSRP1 y la palmitoil-L-carnitina en el estriado, consistente con los mecanismos conocidos de transferencia de lípidos entre astrocitos y neuronas.

Significancia y Reivindicaciones

Los autores afirman que su trabajo aborda un vacío crítico en el análisis de la ómica espacial múltiple al proporcionar herramientas estadísticamente válidas para detectar asociaciones bivariantes a través de conjuntos de coordenadas disjuntas. Argumentan que ignorar la SAC conduce a descubrimientos falsos y que agregar los datos para forzar el emparejamiento de coordenadas resulta en una pérdida innecesaria de información.

El artículo posiciona modestamente sus contribuciones como una corrección necesaria a las prácticas existentes:

Proporciona el primer conjunto de pruebas que contabilizan explícitamente la SAC mientras prueban la hipótesis nula de independencia en coordenadas disjuntas.
Ofrece un marco práctico para analizar experimentos espaciales replicados sin requerir el ajuste de un modelo único prohibitivamente complejo.
Enfatiza que la inferencia válida requiere separar la estimación de las estructuras espaciales univariantes de la prueba de las asociaciones bivariantes.

Los autores concluyen que, si bien ningún método es perfecto (por ejemplo, los GAM pueden tener dificultades con la SAC de corto alcance si no se modela la autocorrelación residual, y los GP son computacionalmente pesados), la combinación del Índice de Moran bivariante y los GAM, potencialmente confirmados por GAMM, ofrece una estrategia robusta para descubrir la colocalización espacial biológicamente significativa.