💻 bioinformatics

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

Cet article présente le package R `sbivar`, qui fournit une suite de tests statistiques modifiés et d'estimateurs de variance pour évaluer rigoureusement les associations spatiales bivariées entre des modalités multi-omiques aux coordonnées disjointes, tout en tenant compte de manière appropriée de l'autocorrélation spatiale et des défis computationnels de haute dimension.

Auteurs originaux : Hawinkel, S., Hu, W., Velten, B., Maere, S.

Publié 2026-07-23

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Hawinkel, S., Hu, W., Velten, B., Maere, S.

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète

Imaginez que vous êtes un détective essayant de résoudre un mystère à l'intérieur d'une ville vivante. Cette ville est un morceau de tissu biologique, et ses « citoyens » sont des molécules comme des gènes et des métabolites. Par le passé, les scientifiques ne pouvaient que prendre une photo floue de l'ensemble de la ville ou une photo très haute définition d'un seul coin de rue. Mais aujourd'hui, nous disposons de microscopes surpuissants capables de cartographier exactement où différents types de molécules vivent au sein du tissu. La grande question est la suivante : est-ce que certaines molécules aiment traîner ensemble ? Si un gène spécifique et une substance chimique spécifique se trouvent dans le même quartier, ils pourraient travailler ensemble sur un projet secret, comme la construction d'une paroi cellulaire ou la lutte contre une infection. Trouver ces « paires d'amis » nous aide à comprendre comment la vie fonctionne, comment les maladies commencent et comment les guérir.

Cependant, il y a un piège. Les différents microscopes utilisés pour cartographier ces molécules ont souvent des résolutions différentes. L'un peut prendre une photo avec des points minuscules et parfaits, tandis que l'autre prend une photo avec des points légèrement plus grands et plus flous. Même si l'on aligne parfaitement les deux images, les points d'une image ne tombent que rarement exactement sur les points de l'autre. C'est comme essayer de faire correspondre une grille de minuscules briques LEGO à une grille de blocs Jenga légèrement plus grands ; ils ne s'alignent pas un à un. De plus, les molécules en biologie ne sont pas dispersées de manière aléatoire comme des billes sur un sol ; elles ont tendance à se regrouper en motifs, un phénomène que les scientifiques appellent l'« autocorrélation spatiale ». Si vous ignorez ces regroupements et les grilles décalées, votre calcul peut s'embrouiller, vous faisant croire que deux molécules sont de meilleurs amis alors qu'elles ne sont en fait que des étrangères qui se sont simplement trouvées dans la même zone générale.

C'est là qu'intervient le nouvel article avec un nouvel ensemble d'outils. Les auteurs, Stijn Hawinkel et son équipe, ont réalisé que beaucoup de méthodes existantes pour trouver ces paires d'amis moléculaires utilisaient la mauvaise mathématique. Elles traitaient les données comme si les molécules étaient dispersées de manière aléatoire et parfaitement alignée, ce qui entraînait beaucoup de fausses alertes — trouvant des « amitiés » qui n'existaient pas réellement. L'équipe soutient qu'il faut une méthode capable de gérer des grilles décalées (coordonnées disjointes) tout en respectant le regroupement naturel des molécules.

Pour résoudre cela, ils ont développé un nouveau progiciel appelé sbivar (que vous pouvez trouver sur GitHub). Ils n'ont pas seulement inventé un nouveau tour ; ils ont adapté trois approches statistiques différentes pour fonctionner sur ces cartes désordonnées et décalées :

La « Surveillance de quartier » (Moran's I bivarié) : Imaginez que vous vérifiez si deux types de personnes traînent dans le même quartier. Au lieu d'avoir besoin qu'elles se tiennent exactement au même endroit, cette méthode regarde à quel point elles sont proches les unes des autres. Les auteurs ont peaufiné cette ancienne méthode pour calculer les probabilités qu'elles soient ensemble tout en tenant compte du fait que les gens se regroupent naturellement. Ils ont créé une nouvelle façon de mesurer le « bruit » dans les données afin de ne pas être trompés par le regroupement.
La « Carte lissée » (Modèles additifs généralisés ou GAMs) : Cette méthode consiste à dessiner une couverture lisse et ondulée sur les points de données pour voir l'image globale. Elle crée une surface lisse pour chaque type de molécule en fonction de leur emplacement, même si les points sont sur des grilles différentes. Ensuite, elle compare les deux couvertures lissées pour voir si elles montent et descendent aux mêmes endroits. L'équipe a trouvé comment mesurer l'incertitude de ces couvertures afin de savoir si la correspondance est réelle ou s'il s'agit d'un coup de chance.
Le « Détective de la distance » (Processus gaussiens bivariés) : Il s'agit d'un modèle mathématique plus complexe qui traite le tissu comme un champ continu où la relation entre les molécules change en fonction de la distance. C'est un outil très puissant mais qui peut être lent à exécuter sur un ordinateur.

L'équipe a testé ces nouveaux outils en utilisant des simulations informatiques. Ils ont créé de fausses cartes de tissus avec des motifs connus — certains où les molécules étaient de véritables amies, et d'autres où elles n'étaient que des voisines aléatoires. Ils ont constaté que les anciennes méthodes criaient souvent « Amitié ! » lorsqu'il n'y en avait pas, surtout lorsque les molécules présentaient des regroupements naturels. En revanche, leurs nouvelles méthodes (particulièrement la Surveillance de quartier et la Carte lissée) étaient bien meilleures pour rester silencieuses lorsqu'il n'y avait pas d'amitié et pour crier « Amitié ! » uniquement lorsqu'elle était réelle. Ils ont également montré que ces nouveaux outils fonctionnent bien même lorsque les cartes sont légèrement désalignées, ce qui arrive souvent dans les expériences réelles.

Enfin, ils ont appliqué leurs nouveaux outils à des données réelles provenant d'échantillons de poumons et de seins cancéreux humains, ainsi que d'échantillons de cerveau de souris. Ils ont découvert de nouveaux couples passionnants. Par exemple, dans un échantillon de cancer du poumon, ils ont découvert qu'un groupe de gènes appelés Kallikreins traînait avec une molécule de graisse spécifique appelée PI 34:1. Cela est cohérent biologiquement car les deux sont impliqués dans une voie de signalisation majeure que les cellules utilisent pour communiquer. Dans le cerveau de la souris, ils ont trouvé un gène (CSRP1) et une molécule de graisse (palmitoyl-L-carnitine) qui étaient voisins dans le striatum du cerveau. Cet appariement suggère comment les cellules cérébrales et leurs cellules de soutien (astrocytes) pourraient échanger des sources d'énergie.

L'article ne prétend pas avoir résolu tous les mystères de la biologie, et les auteurs admettent que certains de leurs outils sont plus lents que d'autres. Cependant, ils ont fourni un moyen beaucoup plus fiable de trouver ces connexions moléculaires sans être trompés par la nature désordonnée des données réelles. En corrigeant la mathématique, ils espèrent que les scientifiques pourront désormais faire confiance à leurs découvertes concernant les molécules qui travaillent réellement ensemble, menant à de meilleures perspectives sur la façon dont notre corps fonctionne et comment les maladies comme le cancer peuvent être stoppées.

Résumé Technique : Tests Statistiques pour l'Association Spatiale Bivariée à travers des Données Multi-omiques à Coordonnées Disjointes

Énoncé du Problème

L'émergence de l'omique spatiale multimodale a permis la mesure de types de données multidimensionnels (par exemple, la transcriptomique et la métabolomique) sur des coupes de tissus consécutives ou co-analysées sur la même coupe. Un objectif principal est de détecter les associations statistiques entre les caractéristiques de différentes modalités pour inférer les processus biologiques. Cependant, les cadres analytiques actuels font face à trois défis critiques :

Ensembles de Coordonnées Disjoints : En raison des différences de résolution spatiale et de zones de mesure entre les technologies (par exemple, 10x Genomics Visium vs. MALDI-MSI), même après alignement d'images, il n'existe pas de correspondance un pour un entre les points de mesure. Par conséquent, les quantités statistiques standards comme les distributions conjointes et les corrélations de Pearson sont indéfinies.
Perte d'Information dans les Pratiques Actuelles : La solution prévalente consiste à agréger les points de haute résolution pour correspondre à la résolution plus faible de l'autre modalité. Cette « granulation » rejette l'information spatiale et ne parvient pas à exploiter la pleine résolution des données.
Hypothèses Nulles et Hypothèses Invalides : De nombreux tests d'association bivariée existants (par exemple, la corrélation de Pearson standard, les tests de permutation naïfs, ou certaines versions de l'indice de Moran bivarié) supposent implicitement des observations indépendantes et identiquement distribuées (i.i.d.) ou échangeables. Ces hypothèses sont violées dans les données d'omique spatiale en raison de l'autocorrélation spatiale (SAC) inhérente. Par conséquent, ces méthodes testent souvent une « hypothèse nulle de randomisation » (absence de SAC pour n'importe quelle variable) plutôt qu'une « hypothèse nulle d'indépendance » (absence d'association entre variables étant donné la SAC). Cela conduit à des taux d'erreur de type I gonflés et à des conclusions trompeuses où des motifs spatiaux univariés sont confondus avec des associations bivariées.

Méthodologie

Les auteurs proposent une suite de tests statistiques scalables conçus pour opérer directement sur des ensembles de coordonnées disjoints tout en tenant explicitement compte de la SAC dans les deux variables. Les méthodes sont implémentées dans le package R sbivar.

1. Indice de Moran Bivarié sous l'Hypothèse Nulle d'Indépendance

Concept : Une généralisation de l'indice de Moran bivarié ( $I_{xy} = x^T W y$ ) à des coordonnées disjointes à l'aide d'une matrice de poids $W$ où les éléments $w_{ij}$ décroissent avec la distance entre le point $i$ de la modalité X et le point $j$ de la modalité Y.
Estimation de la Variance : Contra\à l'approche précédente qui suppose des observations i.i.d., les auteurs dérivent un estimateur de variance analytique qui incorpore la SAC. La variance est calculée comme $\text{Var}(I_{xy}) = \text{tr}(W^T \hat{\Sigma}_x W \hat{\Sigma}_y)$ , où $\hat{\Sigma}_x$ et $\hat{\Sigma}_y$ sont des matrices d'autocorrélation estimées à partir de modèles de variogramme (par exemple, l'estimateur de Matheron).
Test : La statistique de test est supposée suivre une loi normale asymptotique. Pour détecter divers motifs spatiaux, plusieurs matrices de poids (avec différents paramètres de décroissance) sont testées, et leurs p-valeurs sont combinées à l'aide du test de combinaison de Cauchy pour des p-valeurs dépendantes.

2. Processus Gaussiens (GP) Bivariés

Concept : Modélise le vecteur concaténé d'observations des deux modalités ( $z$ $z$ ) en utilisant une distribution Normale Multivariée. La matrice de covariance $\Sigma$ $Σ$ est décomposée en :
- Bruit indépendant.
- SAC univariée au sein de chaque modalité ( $\Sigma_{SAC}$ ).
- Covariance spatiale bivariée ( $\Sigma_{biv}$ ) représentant l'association d'intérêt.
Test : Un test de score est utilisé pour tester l'hypothèse nulle que la composante de variance de l'association bivariée ( $\tau$ ) est nulle. Pour gérer la limite de l'espace des paramètres, un test de score est préféré aux tests de Wald ou de rapport de vraisemblance. La méthode teste à la fois les associations positives et négatives et combine les p-valeurs à travers une gamme de longueurs d'échelle ( $l_{xy}$ ) en utilisant le test de combinaison de Cauchy.

3. Modèles Additifs Généralisés (GAM)

Concept : Modélise les motifs spatiaux de chaque modalité comme des fonctions lisses de l'espace en utilisant des splines lissées de type thin-plate en 2D ( $s_x(c_i)$ et $s_y(e_j)$ ).
Gestion de la Disjonction : Les surfaces de splines ajustées sont évaluées sur une grille commune, régulièrement espacée, à l'intérieur de l'enveloppe concave des données. La covariance et la corrélation entre ces surfaces évaluées sont calculées.
Estimation de la Variance : Comme les évaluations de splines sont dépendantes, les formules de variance standard sont invalides. Les auteurs utilisent la méthode delta pour propager l'incertitude des coefficients de spline vers l'estimation de la corrélation, permettant un test z valide.
Extensions : Le cadre prend en charge différentes distributions de résultats (par exemple, binomiale négative pour la transcriptomique, gamma pour la métabolomique) et peut être étendu aux Modèles Additifs Mixtes Généralisés (GAMM) pour tenir compte de la SAC résiduelle.

4. Analyse Multi-Images

Pour les expériences répliquées (plusieurs coupes de tissus), les auteurs proposent une approche pragmatique : calculer une mesure d'association (par exemple, l'indice de Moran ou la corrélation de spline) pour chaque image individuellement, puis injecter ces mesures dans un modèle linéaire qui tient compte du plan d'expérience. Cette approche quantifie la variabilité entre les réplicats plutôt qu'au sein d'une seule image, absorbant naturellement la variabilité induite par la SAC.

Contributions Clés

Avancement Théorique : L'article redéfinit l'hypothèse nulle pour l'association spatiale bivariée, distinguant la « nullité de randomisation » (absence de SAC) de la « nullité d'indépendance » (absence d'association étant donné la SAC). Il fournit des estimateurs de variance analytiques pour l'indice de Moran bivarié et les GAM qui tiennent compte correctement de la SAC dans des coordonnées disjointes.
Innovation Méthodologique : Il introduit trois méthodes scalables (Indice de Moran bivarié, GP bivariés, GAM) qui ne nécessitent ni appariement de points ni agrégation de données, préservant ainsi la résolution spatiale.
Implémentation Logicielle : Le développement du package R sbivar, qui fournit une interface unifiée pour ces tests, incluant le support pour les analyses à section unique et multi-sections.

Résultats

Études de Simulation :

Contrôle de l'Erreur de Type I : Des simulations non paramétriques et paramétriques démontrent que de nombreuses méthodes existantes (y compris la corrélation de Pearson standard, le coefficient de Geary C bivarié et les tests de permutation naïfs) souffrent d'erreurs de type I gonflées lorsque la SAC est présente dans une ou les deux variables. En revanche, les méthodes proposées (Indice de Moran bivarié sous l'hypothèse d'indépendance, GP bivariés et GAM) contrôlent avec succès les taux d'erreur de type I.
Puissance : Les nouvelles méthodes présentent généralement une bonne puissance pour détecter divers motifs bivariés (par exemple, « stries », « zones » et dépendances de processus gaussiens). Bien que les GP bivariés et les GAMM soient coûteux en calcul, l'indice de Moran bivarié et les GAM offrent un équilibre favorable entre vitesse et puissance.
Robustesse : Les méthodes maintiennent le contrôle de l'erreur de type I même en présence d'erreurs d'alignement, bien que la puissance diminue à mesure que la distorsion augmente.

Applications sur Données Réelles :

Données Godfrey (Poumon/Sein Humain) : Appliqué à la transcriptomique et la métabolomique co-analysées. Les nouvelles méthodes ont identifié des paires gène-métabolite significatives qui avaient été manquées par l'analyse de corrélation originale (qui utilisait un seuil fixe). Notamment, une association positive a été trouvée entre les transcrits Kallikrein (KLK10-13) et le métabolite PI 34:1 dans le cancer du poumon, les liant à la voie de signalisation PI3K/AKT.
Données Vicari (Cerveau de Souris) : Appliqué à des modèles de la maladie de Parkinson. L'analyse a confirmé certains résultats précédents mais a également révélé de nouvelles associations, telles qu'un lien positif entre les transcrits CSRP1 et la palmitoyl-L-carnitine dans le striatum, ce qui est cohérent avec les mécanismes connus de transfert de lipides astrocyte-neurone.

Signification et Revendications

Les auteurs affirment que leur travail comble une lacune critique dans l'analyse de l'omique spatiale multimodale en fournissant des outils statistiquement valides pour détecter les associations bivariées à travers des ensembles de coordonnées disjoints. Ils soutiennent que ignorer la SAC conduit à des découvertes erronées et que l'agrégation des données pour forcer l'appariement des coordonnées entraîne une perte d'information inutile.

L'article positionne modestement ses contributions comme une correction nécessaire des pratiques existantes :

Il fournit le premier ensemble de tests qui tiennent explicitement compte de la SAC tout en testant l'hypothèse nulle d'indépendance sur des coordonnées disjointes.
Il offre un cadre pratique pour analyser des expériences spatiales répliquées sans nécessiter l'ajustement de modèles uniques prohibitifs.
Il souligne qu'une inférence valide nécessite de séparer l'estimation des structures spatiales univariées du test des associations bivariées.

Les auteurs concluent que bien qu'aucune méthode ne soit parfaite (par exemple, les GAM peuvent éprouver des difficultés avec la SAC à courte portée si la SAC résiduelle n'est pas modélisée, et les GP sont gourmands en calcul), la combinaison de l'indice de Moran bivarié et des GAM, potentiellement confirmée par des GAMM, offre une stratégie robuste pour découvrir une colocalisation spatiale biologiquement significative.