Spatially aligned random partition models on spatially resolved transcriptomics data

Les auteurs proposent des modèles de partition aléatoire spatialement alignée (SARP) basés sur des approches bayésiennes non paramétriques pour identifier la co-localisation et les dépendances spatiales entre les sous-populations de cellules tumorales, immunitaires et stromales dans les données de transcriptomique spatialement résolue, notamment en appliquant cette méthode à des données de cancer colorectal.

L'essentiel

🧩 Le Titre : "L'Orchestre Spatial des Cellules"

Imaginez que votre corps est une immense ville, et que les tissus (comme ceux d'un cancer) sont des quartiers très animés. Dans ce quartier, il y a trois types de "citoyens" principaux :

1. Les cellules tumorales (les "maîtres" du quartier, souvent désordonnés).
2. Les cellules immunitaires (les "policiers" ou "pompiers" qui viennent essayer de réparer les dégâts).
3. Les cellules stromales (les "bâtisseurs" ou le "ciment" qui soutiennent la structure).

Le problème ? Dans un cancer, ces groupes ne se mélangent pas au hasard. Les cellules tumorales attirent parfois des policiers spécifiques, ou repoussent d'autres. Comprendre qui se trouve à côté de qui, et pourquoi, est crucial pour guérir le patient.

🔍 Le Problème : Une Carte Floue

Jusqu'à présent, les scientifiques avaient deux cartes séparées :

• Une carte qui disait : "Voici les types de cellules et leurs gènes" (comme une liste de noms et de professions).
• Une carte qui disait : "Voici où elles sont situées dans le tissu" (comme un plan de la ville).

Mais il manquait un outil pour dire : "Attends, ce groupe de 'policiers' (immunitaires) est-il vraiment en train de patrouiller autour de ce groupe spécifique de 'maîtres' (tumorales) ? Ou sont-ils juste là par hasard ?"

Les méthodes existantes étaient comme des caméras de surveillance : elles voyaient tout le monde, mais ne pouvaient pas dire qui parlait à qui.

💡 La Solution : Le Modèle SARP (Le "Rendez-vous Organisé")

Les auteurs (Yunshan Duan, Peter Mueller et leur équipe) ont créé un nouvel outil mathématique appelé SARP (Modèles de partition aléatoire spatialement alignée).

Voici comment ça marche, avec une analogie simple :

Imaginez que vous organisez une grande fête dans un parc (le tissu).

1. Le Groupe de Référence (Les Tumeurs) : Vous avez d'abord un groupe de personnes qui s'installent au hasard dans le parc. Disons que ce sont les "hôtes" de la fête.
2. Les Invités (Immunitaires et Stromales) : Ensuite, d'autres groupes arrivent. La question est : Est-ce que les nouveaux arrivants s'assoient près des hôtes, ou restent-ils isolés ?

Le modèle SARP est comme un organisateur de fête intelligent qui observe deux choses en même temps :

• Ce que les gens disent (L'ADN/Gènes) : Est-ce qu'ils parlent le même langage ? (C'est l'analyse génétique).
• Où ils s'assoient (La Position) : Sont-ils sur la même table ? (C'est la position spatiale).

La magie de SARP :
Contrairement aux autres méthodes qui mélangent tout, SARP dit : "Je vais regarder les gènes pour voir qui est qui, mais je vais forcer une règle spéciale pour la position."
Il dit aux "invités" (cellules immunitaires) : "Vous pouvez avoir votre propre personnalité (vos gènes), mais votre position doit être liée à celle des 'hôtes' (tumeurs)."

C'est comme si l'organisateur de la fête disait : "Les pompiers peuvent être de n'importe quel corps de métier, mais s'ils sont sur le même plan de table que le chef de la mafia, c'est qu'il y a une relation spéciale entre eux."

🛠️ Comment ça marche techniquement (sans les maths) ?

1. On mélange deux technologies : Ils prennent des données de cellules individuelles (très précises sur le type de cellule) et les superposent sur une image du tissu (très précise sur la position).
2. On crée des "groupes" : Le modèle regroupe les cellules similaires.
3. On cherche l'alignement : Il vérifie si un groupe de "policiers" est collé à un groupe spécifique de "tumeurs".
   • Si oui : C'est une co-localisation. Cela signifie que la tumeur recrute activement ce type de cellule.
   • Si non : Ils sont juste voisins par hasard.

🏥 L'Application : Le Cancer Colorectal

Les chercheurs ont testé leur outil sur des données de cancer du côlon (CRC).

• Ce qu'ils ont découvert : Ils ont pu voir que certaines sous-types de cellules immunitaires (des "policiers" très spécifiques) étaient attirés par des zones précises de la tumeur.
• Pourquoi c'est important ? Cela permet de comprendre comment la tumeur se défend ou se fait attaquer. Par exemple, ils ont vu que certaines zones de tumeurs produisaient des signaux chimiques pour attirer des cellules qui les aident à grandir (un mécanisme de défense), tandis que d'autres zones attiraient des cellules qui essayent de les détruire.

🎯 En Résumé

Ce papier propose une nouvelle façon de regarder le cancer. Au lieu de simplement compter les cellules, on regarde qui fréquente qui dans le tissu.

• L'analogie finale : C'est comme passer d'une liste de présence à une carte de relations sociales. On ne se contente plus de dire "Il y a 100 policiers et 500 criminels". On dit : "Ah ! Regardez, le groupe de criminels A a invité le groupe de policiers B à leur table, mais le groupe de criminels C est seul. Cela change tout pour comprendre comment la ville (le corps) réagit."

C'est un outil puissant pour les futurs traitements, car si l'on sait exactement quels "policiers" la tumeur recrute, on peut essayer de bloquer cette invitation ou d'envoyer les bons renforts.

Résumé technique

1. Problématique et Contexte

Contexte Biologique :
Les tissus cancéreux, en particulier dans le cancer colorectal (CRC), sont constitués d'une diversité de populations cellulaires (épithéliales/tumorales, stromales et immunitaires). Comprendre les interactions spatiales entre ces sous-populations est crucial pour élucider la biologie tumorale, notamment comment les cellules tumorales recrutent des sous-types spécifiques de cellules immunitaires et stromales.

Limites des Méthodes Existantes :
Bien que des méthodes de clustering spatial existent (ex: BayesSpace, SpaGCN, SpaRTaCo), elles se concentrent généralement sur le regroupement d'unités au sein d'un seul ensemble de données (par exemple, regrouper des "spots" de transcriptomique). Aucune approche fondamentale n'existe pour effectuer une inférence sur l'alignement ou l'interaction entre des partitions distinctes provenant de différents types d'unités expérimentales (par exemple, aligner les clusters de cellules immunitaires avec ceux des cellules tumorales). De plus, les modèles dépendants existants (comme les processus hiérarchiques) ne capturent pas la structure asymétrique et spécifique requise ici : la dépendance doit être restreinte aux coordonnées spatiales, tandis que les profils d'expression génique doivent rester indépendants a priori.

Objectif :
Développer un cadre d'inférence bayésienne non paramétrique (BNP) capable de modéliser des partitions aléatoires sur plusieurs ensembles de cellules, en introduisant une dépendance spécifique uniquement sur les sous-vecteurs spatiaux pour révéler les motifs de co-localisation.

---

2. Méthodologie : Le Modèle SARP

Les auteurs proposent le modèle SARP (Spatially Aligned Random Partition).

A. Structure du Modèle

Le modèle traite $J$ types d'unités expérimentales (ex: cellules tumorales, stromales, immunitaires). Pour chaque type $j$, les données $y_{ji}$ (expression génique et coordonnées spatiales) sont modélisées comme un mélange de noyaux par rapport à une mesure de mélange discrète $G_j$.
$$y_{ji} \mid \omega_{ji} \sim f(\cdot \mid \omega_{ji}), \quad \omega_{ji} \mid G_j \sim G_j$$

B. Introduction de la Dépendance Spatiale

La contribution centrale réside dans la construction de la loi a priori sur les mesures de mélange $G_j$.

1. Séparation des caractéristiques : Le vecteur de paramètres $\omega_{ji}$ est décomposé en une partie spatiale $\epsilon_{ji}$ et une partie d'expression génique $\vartheta_{ji}$.
2. Indépendance génique : Les distributions a priori sur les paramètres d'expression génique sont indépendantes entre les types de cellules.
3. Dépendance spatiale hiérarchique : La dépendance est introduite via la mesure de base du processus de Pitman-Yor (PYP) pour les types non-référence ($j > 1$).
   • Soit $G_1$ le type de référence (ex: cellules tumorales), généré par un PYP avec une mesure de base $G^{\epsilon}_{1}$.
   • Pour les autres types $G_j$, la mesure de base est un mélange :
     $$G^{\epsilon}_{j} = a_j \tilde{G}^{\epsilon}_{j} + b_j \tilde{f}_1$$
     où $\tilde{f}_1$ est une somme de noyaux centrés sur les atomes de $G_1$ (les positions des clusters de référence).
   • Cela signifie que les clusters des cellules immunitaires/stromales ont une probabilité de se former soit à de nouvelles positions (via $\tilde{G}^{\epsilon}_{j}$), soit autour des positions des clusters de référence (via $\tilde{f}_1$).

C. Choix des Priors

• Processus de Pitman-Yor (PYP) : Utilisé au lieu du Processus de Dirichlet (DP) classique pour offrir plus de flexibilité dans la taille des clusters et le nombre de composantes. Les auteurs utilisent des paramètres de remise en compte (discount) négatifs ($\vartheta < 0$) pour imposer une limite supérieure au nombre de clusters, ce qui est biologiquement pertinent pour éviter une fragmentation excessive.
• Asymétrie : Le modèle est intrinsèquement asymétrique, traitant un type de cellule comme référence (cause) et les autres comme étant recrutés (effet), reflétant la biologie du recrutement tumoral.

D. Inférence

L'inférence est réalisée via un algorithme MCMC (Gibbs sampling) basé sur une troncature finie du processus PYP. L'algorithme met à jour :

• Les indicateurs d'appartenance aux clusters ($z_{ji}$).
• Les paramètres des atomes ($\omega^{\epsilon}_{jk}$).
• Les indicateurs de dépendance ($c_{jk}$) qui déterminent si un cluster de cellule non-référence est aligné sur un cluster de référence spécifique.

---

3. Résultats et Validation

A. Études de Simulation

• Données simulées : Le modèle SARP a été comparé à un modèle de mélange gaussien (GMM) et à SpaRTaCo.
• Performance : SARP a démontré une capacité supérieure à identifier correctement les structures de co-localisation, même dans des scénarios où les clusters spatiaux n'étaient pas parfaitement séparés. Il a obtenu des taux de vrais positifs (TPR) et de vrais négatifs (TNR) élevés, surpassant les méthodes de référence qui ne modélisent pas explicitement la dépendance structurelle entre partitions.

B. Application aux Données de Cancer Colorectal (CRC)

• Données : Intégration de données de séquençage ARN single-cell (scRNA-seq) et de transcriptomique spatiale (ST) sur des tissus CRC.
• Résultats (2 types) : En distinguant les cellules immunitaires et non-immunitaires, le modèle a identifié 15 sous-types de cellules non-immunitaires et 15 sous-types immunitaires, révélant des alignements spatiaux spécifiques.
• Résultats (3 types) : L'extension à trois types (Tumeur, Stromal, Immunitaire) a permis une résolution plus fine. Le modèle a identifié des sous-types immunitaires et stromaux spécifiques alignés spatialement avec des sous-types tumoraux précis (ex: sous-type épithélial Epi10 aligné avec un sous-type myéloïde et un sous-type stromal).
• Validation Biologique : Une analyse d'expression différentielle (DE) sur les sous-types épithéliaux définis spatialement a révélé des marqueurs biologiques cohérents avec la littérature (ex: surexpression de CXCL1/2/3 dans les cellules épithéliales entourées de stroma, CEACAM1/6 dans les cellules épithéliales proches des lymphocytes T), validant la pertinence biologique des clusters découverts.

---

4. Contributions Clés

1. Nouveau Cadre d'Inférence : Proposition du premier modèle bayésien non paramétrique conçu spécifiquement pour l'inférence sur l'alignement de partitions multiples (multi-partition alignment).
2. Structure de Dépendance Sélective : Capacité unique à introduire une dépendance uniquement sur un sous-ensemble de caractéristiques (l'espace) tout en maintenant l'indépendance sur les autres (expression génique), ce qui est crucial pour l'interprétabilité biologique.
3. Flexibilité et Asymétrie : Le modèle gère naturellement l'asymétrie biologique (recrutement) et permet de contrôler le nombre de clusters via les hyperparamètres du PYP.
4. Validation Rigoureuse : Démonstration de la supériorité du modèle par rapport aux méthodes de clustering spatial existantes sur des données semi-synthétiques et réelles.

---

5. Signification et Impact

Le modèle SARP comble un vide méthodologique majeur dans l'analyse de la transcriptomique spatiale. En permettant de quantifier statistiquement comment les sous-populations cellulaires spécifiques interagissent et se co-localisent dans le microenvironnement tumoral, il offre un outil puissant pour :

• Découvrir de nouvelles interactions cellulaires : Identifier des niches tumorales spécifiques où des sous-types immunitaires particuliers sont recrutés.
• Améliorer la compréhension du microenvironnement tumoral (TME) : Fournir une cartographie détaillée des relations spatiales qui influencent la progression tumorale et la réponse thérapeutique.
• Identifier des cibles thérapeutiques : Les sous-types de cellules alignés spatialement pourraient révéler des mécanismes d'évasion immunitaire ou des voies de signalisation spécifiques à exploiter pour de nouveaux traitements.

Bien que le modèle présente certaines limites (comme l'hypothèse d'indépendance a priori des positions et la nature multi-étapes du pipeline de prétraitement des données), il représente une avancée significative pour l'analyse intégrative de données multi-omiques spatiales.