🧬 biology

SEMA: A Framework of Spatial-Aware Enrichment for Multi-pathway Analysis

SEMA es un marco novedoso que integra el contexto espacial en el análisis de enriquecimiento de vías, superando a los métodos existentes para revelar conocimientos biológicos espacialmente resueltos críticos, tales como las actividades metabólicas cerca de las estructuras linfoides terciarias y la regulación inmunitaria mediada por fibroblastos, a través de diversos conjuntos de datos de tejidos y cáncer.

Autores originales: Xiaokai Fan

Publicado 2026-07-20

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Xiaokai Fan

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 estás observando una ciudad enorme y bulliciosa desde un dron. Si simplemente cuentas a las personas en cada edificio, obtienes una lista de números: "100 personas aquí, 50 allá". Eso es como la secuenciación genética tradicional, que le dice a los científicos qué genes están activos en una muestra pero trata a cada célula como si estuviera flotando en el vacío, ignorando a sus vecinas. Pero las ciudades no son solo listas de edificios; se definen por cómo interactúan esos edificios. Una cafetería junto a una biblioteca crea un ambiente diferente a una cafetería junto a una zona de construcción. En biología, esta "ciudad" es el tejido de tu cuerpo, y los "edificios" son las células.

Recientemente, los científicos desarrollaron una nueva forma de tomar fotografías de estas ciudades celulares, llamada transcriptómica espacial. En lugar de solo enumerar los genes, esta tecnología mapea exactamente dónde se activa cada gen dentro del diseño del tejido. Sin embargo, hay un inconveniente: la mayoría de las herramientas utilizadas para analizar estos mapas siguen actuando como si estuvieran leyendo una lista de palabras sin entender las oraciones. Miran una sola célula y preguntan: "¿Qué está haciendo esta célula?", pero pierden de vista el panorama general de cómo esa célula está charlando con las células que tiene justo al lado. Este artículo presenta una nueva herramienta para solucionar este punto ciego, ayudando a los investigadores a comprender no solo quién está en la habitación, sino cómo está organizada la habitación y qué significa esa organización para la salud de la ciudad.

El nuevo cartógrafo: Conozca a SEMA

Conozca a SEMA (Enriquecimiento de Sensibilidad Espacial para el Análisis de Multivías o Spatial-Aware Enrichment for Multi-pathway Analysis). Piense en SEMA como un superinteligente vigilante de barrio que no solo mira una casa, sino que revisa toda la manzana para entender qué está pasando realmente.

En la forma antigua de hacer las cosas, si un científico quería saber si un grupo específico de genes (una "vía" o pathway) estaba activo en un tejido, observaba un solo punto y calculaba una puntuación. Era como juzgar una fiesta mirando a una sola persona en un rincón. Si esa persona estaba bailando, podrías pensar que toda la fiesta era una locura. Pero, ¿y si esa persona solo estaba bailando sola mientras todos los demás dormían? Los métodos antiguos a menudo cometían este error, perdiendo de vista el hecho de que la biología ocurre en vecindarios, no en aislamiento.

SEMA cambia las reglas del juego utilizando una "regla de vecindario". Cuando calcula la puntuación para una célula específica, no solo mira los genes de esa célula. También observa los genes de las células que la rodean inmediatamente, otorgando un pequeño peso a las actividades de los vecinos. Es como darse cuenta de que si su vecino está horneando galletas, el olor (la señal) probablemente proviene de su casa, incluso si su propia cocina está vacía. Al combinar la actividad propia de una célula con la actividad de sus vecinos, SEMA crea un mapa mucho más claro y fluido de dónde están ocurriendo realmente los procesos biológicos.

Poniendo a prueba a SEMA

Los autores no solo construyeron esta herramienta; la sometieron a un examen riguroso para ver si realmente funciona mejor que los métodos existentes. La probaron en tres "ciudades" muy diferentes:

La ciudad organizada (El cerebro): Observaron el cerebro de ratón y la corteza prefrontal humana. Estas áreas tienen vecindarios muy distintos y organizados (como la corteza visual o el hipocampo). Cuando intentaron encontrar estas regiones específicas mediante la actividad genética, SEMA fue mucho mejor dibujando los límites que las otras herramientas. Podía distinguir entre dos regiones cerebrales adyacentes con mucha mayor precisión, diciendo esencialmente: "Sí, esto es definitivamente la biblioteca y aquello es definitivamente el parque", mientras que otras herramientas eran un poco difusas.
La aldea diminuta (El ganglio linfático): Se centraron en estructuras pequeñas y complejas llamadas centros germinales dentro de los ganglios linfáticos. Estas son áreas pequeñas y densamente pobladas donde las células inmunitarias se reúnen para combatir infecciones. Debido a que estas áreas son tan pequeñas y compactas, es difícil detectarlas con las herramientas antiguas. SEMA, sin embargo, las detectó claramente, coincidiendo casi perfectamente con los recuentos celulares reales encontrados por otros métodos avanzados.
Las fortalezas ocultas (Estructuras linfoides terciarias): En los tumores, el cuerpo a veces construye "fortalezas" llamadas estructuras linfoides terciarias (TLS) para combatir el cáncer. Estas son difíciles de encontrar porque se parecen un poco al tejido tumoral circundante. SEMA fue la mejor para identificar estas estructuras, encontrándolas con mayor precisión y utilizando menos potencia de cómputo (memoria y tiempo) que la competencia.

Lo que SEMA descubrió en el cáncer

Una vez que los autores estuvieron seguros de que SEMA era el mejor cartógrafo, la utilizaron para explorar 93 muestras de cáncer de mama y 123 muestras de diversos otros tipos de cáncer. Esto es lo que encontraron:

La conexión metabólica:
Descubrieron un fuerte vínculo espacial entre los TLS "funcionales" (las versiones activas y de combate de esas fortalezas inmunológicas) y un proceso metabólico específico llamado metabolismo del ácido araquidónico. Es como si hubieran descubierto que cada vez que la fortaleza inmunitaria está plenamente operativa, el vecindario circundante está vibrando con un tipo específico de energía química. Esto sugiere que esta vía metabólica podría estar alimentando la lucha inmunitaria, una pista que no era obvia antes.

El apretón de manos secreto:
También buscaron "pares de ligando-receptor", que son como apretones de manos secretos que las células usan para hablar entre sí. Aunque todo el mundo conocía un famoso apretón de manos llamado CXCL13-CXCR5 en estas fortalezas inmunológicas, SEMA destacó un par diferente e igualmente importante: CXCL13-CXCR3. Este par resultó ser altamente activo precisamente donde las fortalezas inmunológicas eran más fuertes. Los autores sugieren que este par podría ser un actor clave en la organización de la respuesta inmunitaria, y los pacientes con niveles altos de esta señal tendían a tener mejores tasas de supervivencia.

La gran muralla frente a la multitud mixta:
Quizás el hallazgo más sorprendente provino de observar cómo se organizan los diferentes tipos de células en muchos cánceres distintos. Los autores descubrieron que los fibroblastos (un tipo de célula de soporte) actúan como el "pegamento" o el núcleo central en la ciudad tumoral. Suelen ser los vecinos más cercanos a las células cancerosas.

Sin embargo, la organización importa inmensamente. El equipo encontró dos patrones distintos:

La multitud mixta: En algunos tumores, los fibroblastos y las células cancerosas están todos mezclados en una mezcla caótica.
La ciudad segregada: En otros tumores, hay un límite claro y definido. Los fibroblastos forman un anillo o muro distintivo alrededor de las células cancerosas, manteniéndolas separadas de las células inmunitarias.

El artículo sugiere que este patrón "segregado" —donde los fibroblastos forman un límite claro— es en realidad algo bueno. Los pacientes con esta separación clara tendían a tener una actividad inmunitaria más fuerte y mejores resultados de supervivencia. Parece que cuando las células de soporte forman un límite ordenado y nítido, el sistema inmunitario puede hacer mejor su trabajo. En cambio, cuando todo está mezclado, el sistema inmunitario parece menos eficaz.

Por qué esto es importante

Este artículo no pretende haber curado el cáncer ni haber resuelto el misterio de la vida. En cambio, ofrece una mejor forma de leer el mapa. Al reconocer que las células viven en vecindarios y que su ubicación importa tanto como su identidad, SEMA ayuda a los científicos a ver patrones que antes estaban ocultos en el ruido. Sugiere que la disposición física de un tumor —cómo se organizan y separan las células— puede ser una pista crucial para comprender cómo se comporta la enfermedad y cómo podrían responder los pacientes al tratamiento. Es un recordatorio de que en la biología, al igual que en una ciudad, no solo importa quién vive allí, sino cómo están organizados.

Resumen Técnico: SEMA – Un Marco de Enriquecimiento con Conciencia Espacial para el Análisis de Múltiples Vías

Planteamiento del Problema

Las tecnologías de transcriptómica espacial (ST) han evolucionado desde una resolución a nivel de bulk hacia la precisión de célula única, permitiendo la caracterización de la arquitectura tisular, las interacciones célula-célula y los nichos funcionales como las estructuras linfoides terciarias (TLS). Aunque el análisis de enriquecimiento de conjuntos de genes (GSEA) es una herramienta estándar para la interpretación de datos de RNA-seq de bulk y de célula única, los métodos actuales para ST suelen omitir el contexto espacial explícito. Los enfoques tradicionales tratan los puntos (spots) o células como puntos de datos aislados, calculando las puntuaciones de enriquecimiento basándose únicamente en la expresión génica local. Esto puede conducir a interpretaciones erróneas donde las funciones biológicas se asignan erróneamente a ubicaciones espacialmente desconectadas. Existe una brecha crítica en los métodos que integran la proximidad física espacial en el enriquecimiento de vías para decodificar con precisión los datos de resolución espacial, particularmente para comprender la funcionalidad tisular, la cual emerge de las interacciones celulares físicas.

Metodología

Los autores desarrollaron SEMA (Enriquecimiento con Conciencia Espacial para el Análisis de Múltiples Vías), un marco que integra la información del vecindario espacial en la puntuación de las vías. La metodología procede a través de los siguientes pasos:

Cálculo de la Puntuación Bruta: Para un conjunto de genes $G$ dado, se calcula una puntuación bruta ( $S_i^{raw}$ ) para cada punto o célula $i$ como el promedio de la expresión de los genes presentes tanto en el conjunto de genes como en la matriz de expresión.
Construcción del Grafo Espacial: Se construye un grafo de k-vecinos más cercanos (KNN) utilizando las coordenadas espaciales euclidianas de los puntos/células. Se forma una matriz de adyacencia no dirigida donde los vecinos se definen por los $k$ células más cercanas.
Suavizado Ponderado:
- Se estima automáticamente un ancho de banda de núcleo Gaussiano ( $\sigma$ ) basado en las distancias al $(k')$ -ésimo vecino más cercano para controlar la degradación de la influencia espacial.
- Se asignan pesos de núcleo Gaussiano ( $w_{ij}$ ) a las aristas basadas en la distancia espacial ( $d_{ij}$ ): $w_{ij} = \exp(-d_{ij}^2 / 2\sigma^2)$ .
- Estos pesos se normalizan por filas para crear una matriz de adyacencia ponderada $\tilde{W}$ .
Cálculo de la Puntuación con Conciencia Espacial: La puntuación espacial final ( $S_i^{spatial}$ ) es una combinación convexa de la propia puntuación bruta del punto y el promedio ponderado de las puntuaciones brutas de sus vecinos:
$S_i^{spatial} = (1 - \lambda) \cdot S_i^{raw} + \lambda \cdot \sum_j \tilde{W}_{ij} S_j^{raw}$
donde $\lambda \in [0,1]$ es un parámetro de peso espacial.
Análisis de Correlación Espacial: Para investigar las relaciones entre vías o tipos celulares, los autores emplean la I de Moran bivariada. Este estadístico utiliza las puntuaciones SEMA para medir la correlación espacial global, identificando la colocalización (correlación positiva) o la exclusión espacial (correlación negativa) entre dos conjuntos de genes a través del tejido.
El marco fue evaluado comparativamente contra métodos establecidos, incluyendo AddModuleScore, AUCell, UCell y ssGSEA.

Contribuciones Clave y Resultados

1. Evaluación Comparativa y Rendimiento

SEMA fue rigurosamente evaluado a través de múltiples conjuntos de datos y tareas, superando consistentemente a los principales métodos existentes en precisión, especificidad y eficiencia:

Reconstrucción Anatómica: En secciones coronales de cerebro de ratón y conjuntos de datos de la corteza prefrontal dorsolateral (DLPFC) humana, SEMA logró un mayor Área Bajo la Curva ROC (AUC) y AUC de Precisión-Recall (PRAUC) en la recuperación de señales para conjuntos de genes marcadores de escala fina en comparación con AddModuleScore, ssGSEA, UCell y AUCell.
Detección de Microestructura: En datos de ganglios linfáticos humanos, SEMA demostró una capacidad superior para detectar señales en centros germinales (GC) basados en marcadores de células B, células dendríticas foliculares (FDC) y células T colaboradoras foliculares (Tfh). Mostró una mayor concordancia con las abundancias de tipos celulares inferidas por métodos de deconvolución (cell2location y CARD) y logró un AUC más alto (0.707) en la identificación de agregados linfoides y GC anotados por patólogos en datos de 10x Xenium.
Identificación de TLS: Utilizando tres conjuntos distintos de firmas de genes de TLS en datos de carcinoma de células renales claras (ccRCC), SEMA mostró un rendimiento superior al distinguir puntos positivos para TLS con un mayor AUC/PRAUC y menores tasas de falsos positivos.
Eficiencia: SEMA requirió significativamente menos tiempo de computación y memoria que los métodos comparados, lo que lo hace adecuado para aplicaciones a gran escala.

2. Información Biológica: Cáncer de Mama y TLS Funcional

La aplicación de SEMA a 93 conjuntos de datos de transcriptómica espacial de cáncer de mama reveló:

Correlación Metabólica: Se identificó una fuerte correlación espacial entre los TLS funcionales (definidos por marcadores como CXCL13, CD3D, MS4A1) y la vía de metabolismo del ácido araquidónico. Este hallazgo fue consistente tanto en los conjuntos de genes KEGG como en Reactome y fue validado en datos de RNA-seq de bulk (4,418 muestras).
Pares Ligando-Receptor: El análisis de pares ligando-receptor dentro de los TLS funcionales destacó al par CXCL13-CXCR3, mostrando una fuerte colocalización espacial con las firmas de TLS funcionales. Este par se asoció con una mejor supervivencia de los pacientes en las cohortes TCGA-BRCA y METABRIC, sugiriendo un papel potencialmente subestimado en la actividad de los TLS más allá del eje canónico CXCL13-CXCR5.

3. Organización Celular Pan-Cáncer

Un análisis pan-cáncer de 123 muestras de transcriptómica espacial (TNBC, OV, LC, HCC, ccRCC) descubrió principios generales de organización celular:

Hubs de Fibroblastos: Los fibroblastos emergieron como centros espaciales clave, mostrando consistentemente fuertes asociaciones espaciales con células inmunes (células B, células plasmáticas, células T CD4+, macrófagos) y sirviendo como el tipo celular más cercano a las células epiteliales/carcinoma.
Segregación vs. Mezcla: Las muestras fueron estratificadas según la relación espacial (I de Moran bivariada) entre fibroblastos y células epiteliales/carcinoma.
- Estado Segregado: Las muestras con una segregación espacial más aguda (límites más claros) entre fibroblastos y células tumorales se asociaron con una expresión mejorada de vías relacionadas con la inmunidad (por ejemplo, producción de anticuerpos) y una supervivencia de pacientes significativamente mejorada en múltiples cohortas.
- Estado Mixto: Las muestras con patrones espaciales mixtos se correlacionaron con diferentes subtipos de Fibroblastos Asociados a Cáncer (CAF). Específicamente, los estados segregados se vincularon con subtipos de presentación de antígenos (apCAFs), de matriz (mCAFs), de división (dCAFs) y de tipo reticular (rCAFs), mientras que los estados intermezclados se correlacionaron con CAFs metabólicos (meCAFs).

Significancia y Reivindicaciones

Los autores posicionan a SEMA como una herramienta poderosa y eficiente para descubrir actividades de vías con resolución espacial. El artículo sostiene que, al incorporar explícitamente el contexto espacial, SEMA evita las interpretaciones erróneas inherentes a los métodos que tratan los datos espaciales como puntos aislados.

La significancia del trabajo radica en su capacidad para:

Decodificar la Arquitectura Espacial: Proporcionar una representación más fiel de la función biológica en los tejidos al tener en cuenta el espacio de ejecución física de las funciones celulares.
Permitir el Análisis a Gran Escala: Ofrecer una solución computacionalmente eficiente para la escala rápidamente creciente de los conjuntos de datos de transcriptómica espacial.
Generar Nuevas Hipótesis Biológicas: Revelar asociaciones espaciales específicas, como el vínculo entre el metabolismo del ácido araquidónico y los TLS, y el valor pronóstico de la segregación entre fibroblastos y células tumorales, lo que puede informar estrategias para remodelar el microambiente tumoral.

Los autores reconocen las limitaciones, señalando que los hallazgos metabólicos y de ligando-receptor se basan en la expresión génica y requieren validación futura mediante metabolómica espacial y ensayos funcionales. Del mismo modo, las distribuciones de tipos celulares se infieren a partir de conjuntos de genes marcadores, y la futura integración de datos de resolución de célula única podría refinar aún más estos mapas de interacción.