Analysis of multicellular anatomical structures from spatial omics data using sosta

Les auteurs présentent *sosta*, un package Bioconductor open-source permettant d'analyser directement les structures anatomiques multicellulaires dans les données d'omique spatiale, dépassant ainsi les limites des méthodes actuelles centrées sur les cellules individuelles.

L'essentiel

🌟 Le concept : Passer du "pixel" à la "ville"

Imaginez que vous regardez une ville vue du ciel.

• Les anciennes méthodes (l'analyse spatiale classique) se concentraient uniquement sur les individus : "Qui habite ici ? Est-ce un boulanger ? Un médecin ?" Elles comptaient les gens un par un, mais elles oubliaient souvent comment ces gens s'organisaient pour former des quartiers, des parcs ou des usines.
• Ce nouveau papier (introduisant l'outil sosta) change de perspective. Au lieu de compter les habitants un par un, il regarde la ville elle-même. Il identifie les quartiers, mesure la forme des parcs et analyse comment les rues sont organisées.

En termes scientifiques : au lieu d'analyser uniquement les cellules isolées, les chercheurs utilisent sosta pour reconstruire et étudier les structures anatomiques (comme les cryptes dans l'intestin ou les centres germinal dans les amygdales) qui sont formées par des groupes de cellules travaillant ensemble.

🛠️ Comment ça marche ? (L'analogie du nuage de points)

Imaginez que vous avez une photo de nuit prise d'une ville, mais au lieu de voir les bâtiments, vous ne voyez que des points lumineux (les cellules ou les gènes actifs).

1. La reconstruction (Le dessin des contours) :
   L'outil sosta prend ces points lumineux et dit : "Tiens, il y a une densité de points ici qui forme un groupe." Il utilise une sorte de "filtre de flou" intelligent pour relier les points entre eux et dessiner le contour exact du quartier (la structure). C'est comme passer d'un nuage de points dispersés à une carte précise des quartiers.

2. La mesure (Le métrique) :
   Une fois les contours dessinés, sosta peut mesurer des choses très concrètes :

   • Quelle est la taille de ce quartier ?
   • Est-il rond ou déformé ?
   • Quelle est la largeur de la rue principale ?
   • Comment les "habitants" (les types de cellules) sont-ils répartis à l'intérieur ?

🧪 Les deux grandes histoires racontées dans le papier

Les auteurs ont testé leur outil sur deux cas concrets pour montrer sa puissance :

1. Le détective du cancer colorectal (L'intestin)

• Le problème : Dans un intestin sain, les cellules forment de petits tubes réguliers appelés "cryptes". Quand le cancer commence, ces tubes se déforment, s'épaississent et deviennent chaotiques.
• L'approche sosta : Au lieu de regarder si une cellule est "méchante", l'outil a mesuré la largeur et la forme de ces cryptes.
• Le résultat : Ils ont pu voir mathématiquement comment la forme des cryptes changeait progressivement, passant d'un tube sain à une structure malade. C'est comme si on pouvait prédire qu'un quartier va devenir dangereux non pas en interrogeant chaque habitant, mais en voyant que les rues deviennent trop étroites et les bâtiments tordus.

2. La carte du trésor dans les amygdales (Le système immunitaire)

• Le problème : Dans les amygdales, il existe des "usines" à anticorps appelées "centres germinaux". Les cellules y voyagent d'un côté à l'autre (de la zone claire à la zone sombre) pour mûrir.
• L'approche sosta : L'outil a redessiné ces usines et a créé une "règle" imaginaire allant d'un bout à l'autre de la structure.
• Le résultat : Ils ont pu voir exactement comment l'expression des gènes changeait le long de ce trajet. C'est comme si on pouvait dire : "À 20% du trajet, les cellules commencent à produire telle protéine", révélant ainsi le processus de maturation des cellules immunitaires de manière très précise.

🚀 Pourquoi c'est important ?

Jusqu'à présent, les scientifiques étaient un peu comme des gens qui regardent une forêt en comptant chaque feuille individuellement. C'est utile, mais ça ne vous dit pas si la forêt est en bonne santé, si elle est en train de brûler ou si elle est malade.

sosta, c'est l'outil qui vous permet de voir la forêt.

• Il permet de comparer des structures entre différents patients (en tenant compte du fait que plusieurs mesures viennent du même patient, comme plusieurs arbres du même bois).
• Il est gratuit, ouvert à tous (c'est un logiciel libre) et fonctionne avec les données les plus modernes de biologie.

En résumé

Ce papier nous dit : "Arrêtons de nous focaliser uniquement sur les briques (les cellules), et commençons à analyser les bâtiments (les structures) qu'elles forment."

C'est une nouvelle façon de lire la carte de la vie, qui permet de mieux comprendre comment les maladies comme le cancer déforment l'architecture de notre corps, et comment nos défenses naturelles s'organisent pour nous protéger.

Résumé technique

Titre de l'article

Analyse des structures anatomiques multicellulaires à partir de données d'omiques spatiales utilisant sosta

1. Problématique

Les technologies d'omiques spatiales permettent une quantification à haute résolution et à grande échelle des caractéristiques moléculaires tout en préservant le contexte spatial des tissus. Cependant, la majorité des méthodes d'analyse actuelles se concentrent sur l'agencement de cellules individuelles (neighbourhoods, domaines spatiaux, interactions cellule-cellule) ou sur la détection de gradients au niveau cellulaire.

Ce paradigme ignore souvent le fait que la fonction biologique émerge fréquemment de dispositions multicellulaires et de structures anatomiques complexes (comme les cryptes intestinales ou les centres germinatifs). Il existe un manque de cadres généraux pour analyser les données spatiales au niveau de la structure anatomique elle-même, en particulier pour les jeux de données multi-échantillons et multi-conditions où la corrélation hiérarchique (cellules au sein de structures, structures au sein de lames, lames au sein de patients) n'est pas correctement prise en compte, ce qui peut fausser les taux de découverte fausse (FDR).

2. Méthodologie

Les auteurs introduisent une nouvelle approche d'analyse basée sur la structure, implémentée dans le package Bioconductor open-source sosta (spatial omics structure analysis).

• Reconstruction de structures basée sur la densité :

  • L'approche reconstruit les contours des structures anatomiques en utilisant une estimation de densité de point (point pattern density).
  • Les points peuvent être les centroïdes de types cellulaires sélectionnés, les localisations de transcrits, ou des marqueurs de domaines spatiaux.
  • Une estimation de l'intensité $\hat{\lambda}(u)$ est calculée via une convolution avec un noyau gaussien (méthode de Diggle et al.), permettant de générer une image de densité.
  • Les structures sont définies par un seuil (cut-off) appliqué à cette image de densité. Le seuil est estimé automatiquement (moyenne des deux modes de la distribution d'intensité) mais peut être ajusté manuellement.
  • Les structures résultantes sont stockées sous forme de polygones (via le package sf).

• Quantification des caractéristiques :

  • Caractéristiques morphologiques : Calcul de métriques géométriques pour chaque structure (surface, circularité, excentricité, "fibre width" ou largeur des cryptes).
  • Caractéristiques basées sur les cellules : Mesure des intersections cellules-structures et des distances aux bords des structures pour analyser la composition cellulaire et les gradients par rapport aux repères anatomiques.

• Analyse différentielle et modélisation statistique :

  • Pour les analyses multi-échantillons/multi-conditions, l'approche utilise des modèles linéaires mixtes (Linear Mixed Effects Models). Cela permet de gérer la structure de corrélation imbriquée (ex: plusieurs structures dans une même section, plusieurs sections chez un même patient), évitant ainsi une inflation du FDR observée avec des modèles ne tenant pas compte de cette hiérarchie.

3. Contributions Clés

• Le package sosta : Un outil logiciel modulaire et extensible dans l'écosystème R/Bioconductor pour la reconstruction, la caractérisation et la comparaison de structures anatomiques à différentes échelles.
• Nouveau paradigme d'analyse : Passage d'une analyse centrée sur la cellule à une analyse centrée sur la structure anatomique comme unité de base.
• Méthode de reconstruction automatisée : Une approche robuste basée sur la densité avec sélection automatique des paramètres (bande passante et seuil), surpassant les méthodes basées sur l'enveloppe convexe concave (concave hull) dans les simulations.
• Intégration de gradients anatomiques : Capacité à projeter des axes anatomiques pertinents (ex: axe zone claire/zone sombre dans un centre germinatif) pour analyser les gradients d'expression génique de manière structurée.

4. Résultats

Les auteurs ont validé l'approche sur deux jeux de données publics :

1. Transformation maligne du côlon (Colon) :

   • Analyse de la transition du tissu sain (HC) vers les lésions pré-malignes (TVA) et le cancer colorectal (CRC).
   • La métrique de "fibre width" (largeur de la crypte) a augmenté de manière significative au cours de la progression pathologique, reflétant l'hypertrophie et l'hyperplasie épithéliales.
   • L'indice de forme ("shape index") a permis de distinguer les cryptes régulières (saines) des cryptes irrégulières (pré-malignes).
   • Identification de cryptes de transition et corrélation forte entre la largeur des cryptes et le temps pseudo (pseudo-time) d'expression génique.

2. Centres germinatifs des amygdales humaines :

   • Reconstruction des centres germinatifs (GC) et définition d'un axe anatomique unifié (de la zone claire LZ à la zone sombre DZ).
   • Identification de 1569 gènes présentant des profils d'expression spatiale variable le long de cet axe, incluant des marqueurs connus de la prolifération et de la maturation des lymphocytes B (ex: MKI67, CIITA).
   • Cette méthode a permis de récupérer des gradients d'expression interprétables sans dépendre uniquement de l'annotation préalable des types cellulaires.

Une comparaison avec d'autres outils (imcRtools, SPIAT, CellCharter, GRIDGENE) a montré que sosta offre de meilleures performances, notamment grâce à sa sélection automatique de paramètres et sa robustesse face au bruit, surpassant les méthodes basées sur l'enveloppe convexe.

5. Signification et Perspectives

• Complémentarité : Cette approche ne remplace pas l'annotation des types cellulaires ou la détection de domaines, mais les complète en utilisant ces étiquettes pour reconstruire des structures biologiques significatives.
• Rigueur statistique : L'accent mis sur la modélisation des effets mixtes est crucial pour les études cliniques multi-échantillons, garantissant la validité des conclusions biologiques.
• Versatilité : L'outil est applicable à diverses échelles (de quelques cellules pour les structures lymphoïdes tertiaires à des tissus entiers contenant des milliers de cellules) et à divers types de tissus.
• Avenir : L'approche ouvre la voie à des méthodes non supervisées pour identifier et quantifier des caractéristiques biologiquement pertinentes au niveau des structures anatomiques, réduisant la dépendance aux connaissances biologiques a priori pour la sélection des métriques.

En résumé, sosta comble un vide méthodologique en permettant aux chercheurs de quantifier directement les réarrangements structuraux et les paysages moléculaires associés aux structures anatomiques, rapprochant ainsi l'analyse computationnelle de l'histopathologie classique.