A robust, scalable K-statistic for quantifying immune cell clustering in spatial proteomics data

Sintesi Tecnica: Un K-Statistico Robusto e Scalabile per Quantificare il Clustering delle Cellule Immunitarie nei Dati di Proteomica Spaziale

Definizione del Problema
Le tecnologie di proteomica spaziale consentono la misurazione dell'abbondanza proteica e della posizione delle cellule all'interno di campioni di tessuto, preservando il contesto spaziale. Un approccio comune per analizzare questi dati è la funzione $K$ di Ripley, una metrica utilizzata per quantificare se le cellule siano raggruppate (clustering) o disperse casualmente. Le applicazioni standard della funzione $K$ di Ripley si basano sull'assunto di Casualità Spaziale Completa (CSR), dove il numero atteso di cellule in qualsiasi sottoinsieme è coerente in tutto il campione, producendo un valore nullo teorico di $K_0(r) = \pi r^2$.

Tuttavia, i dati di proteomica spaziale violano frequentemente questo assunto di omogeneità a causa di fattori biologici (es. architettura tissutale) e artefatti tecnici (es. degradazione del tessuto, lacerazioni o adesione incompleta del vetrino durante l'imaging). Quando viene applicato lo standard nullo teorico a dati disomogenei, si verifica una sovrastima del clustering spaziale e della colocalizzazione. Questo bias può distorcere le analisi a valle, come il collegamento delle interazioni cellulari alla sopravvivenza del paziente, confondendo gli artefatti tecnici con i segnali biologici. I metodi esistenti per affrontare l'inomogeneità, come le adattamenti disomogenei della $K$ di Ripley o i nulli empirici basati su permutazioni, soffrono di limitazioni: i primi possono introdurre bias ignorando le informazioni sulle cellule di fondo, mentre i secondi diventano computazionalmente proibitivi per grandi dataset (spesso contenenti >10.000 cellule per campione) e introducono errori di campionamento tramite l'approssimazione con metodi Monte Carlo.

Metodologia: KAMP
Gli autori propongono KAMP (K adjustment by Analytical Moments of the Permutation distribution), un nuovo metodo progettato per quantificare l'organizzazione spaziale in modo robusto rispetto all'inomogeneità, mantenendo al contempo la scalabilità computazionale.

1. Ipotesi Nulla e Framework di Permutazione:
   KAMP adotta un'ipotesi nulla di "intensità proporzionale" ($H_0$), postulando che l'intensità spaziale delle cellule immunitarie sia proporzionale a quella delle cellule di fondo ($\lambda_m(u) \propto \lambda_{n-m}(u)$). Sotto questa ipotesi, le cellule immunitarie sono distribuite come un sottoinsieme casuale della popolazione cellulare totale. Il metodo costruisce un benchmark nullo empirico considerando tutte le possibili permutazioni delle etichette cellulari (immunitarie vs. di fondo) mantenendo fisse le posizioni cellulari.

2. Momenti Analitici:
   Invece di eseguire permutazioni computazionalmente costose, KAMP deriva espressioni analitiche in forma chiusa per il primo e il secondo momento (media e varianza) della distribuzione di permutazione di Ripley's $K$.

   • Aspettativa: Si dimostra che il valore atteso sotto la permutazione nulla, $E(K_s(r))$, è equivalente alla funzione $K$ univariata di Ripley calcolata utilizzando tutte le cellule del campione (unendo cellule immunitarie e di fondo). Ciò consente ai software esistenti di calcolare direttamente il nullo empirico.
   • Varianza: Gli autori derivano una complessa formula combinatoria per la varianza, $Var(K_s(r))$, che tiene conto delle interazioni a coppie e di ordine superiore all'interno della distribuzione di permutazione.
   • Normalità Asintotica: Il Teorema 2.4 stabilisce che la statistica del test $Z_{K_s(r)} = (\hat{K}_s(r) - E(K_s(r))) / \sqrt{Var(K_s(r))}$ converge a una distribuzione normale standard sotto la permutazione nulla all'aumentare del numero di cellule, a condizione che vengano soddisfatte determinate condizioni di regolarità riguardanti i contributi dei vicini.

3. Efficienza Computazionale (KAMP Lite):
   Per gestire dataset estremamente grandi (es. >1 milione di cellule), gli autori introducono KAMP Lite, che impiega un diradamento (thinning) casuale dei punti prima di calcolare i momenti. Le proprietà teoriche dei processi puntuali garantiscono che il diradamento preservi le proprietà distributive, permettendo approssimazioni accurate dei momenti con tempi di calcolo significativamente ridotti.

4. Inferenza:
   Il metodo fornisce:

   • Una metrica di clustering corretta: $\tilde{K}_s(r) = \hat{K}_s(r) - E(K_s(r))$.
   • P-value approssimativi per il test di ipotesi entro il campione per il clustering positivo in eccesso o la colocalizzazione.
   • Un framework per l'analisi tra campioni, dove $\tilde{K}_s(r)$ funge da covariata nei modelli di sopravvivenza (es. modelli a rischi proporzionali di Cox).

Risultati Chiave
Il paper valuta KAMP attraverso simulazioni e un'applicazione a un dataset di Carcinoma Sieroso di Alto Grado (HGSOC) (128 pazienti, >1,5 milioni di cellule totali).

• Studi di Simulazione:

  • Correzione del Bias: In scenari di nullo disomogeneo (simulando la lacerazione del tessuto), la $K$ di Ripley standard e la sua variante disomogenea ($K_{hom}$) hanno sovrastimato significativamente il clustering. KAMP, KAMP Lite e il metodo di permutazione completo hanno correttamente centrato le stime intorno allo zero.
  • Potenza e Errore di Tipo I: KAMP ha mantenuto tassi appropriati di errore di Tipo I e ha dimostrato un'alta potenza comparabile al metodo di permutazione completo in vari livelli di densità e abbondanza cellulare.
  • Velocità: KAMP è stato ordini di grandezza più veloce del metodo di permutazione. Per il dataset HGSOC, KAMP ha impiegato 3,6 minuti rispetto ai 562 minuti richiesti per 10.000 permutazioni. KAMP Lite è stato ancora più veloce (0,6 minuti).

• Applicazione HGSOC:

  • Entro il Campione: KAMP ha distinto efficacemente tra vero clustering biologico e inomogeneità tecnica. In campioni con lacerazioni tissutali, il nullo empirico $E(K_s(r))$ era significativamente più alto del $\pi r^2$ teorico, e KAMP ha avuto successo nel correggere i valori di $K$ osservati per riflettere il vero clustering.
  • Tra i Campioni (Analisi della Sopravvivenza): Lo studio si è concentrato sulla colocalizzazione di cellule B e macrofagi. I modelli che utilizzano le metriche di colocalizzazione derivate da KAMP hanno mostrato associazioni protettive più forti con la sopravvivenza globale e indici di concordanza (c-index) più elevati rispetto ai modelli che utilizzano la $K$ di Ripley standard. La $K$ standard non è riuscita a rilevare associazioni significative, suggerendo che l'inomogeneità non corretta distorce le stime del rapporto di rischio (hazard ratio).

Significatività e Rivendicazioni
Il paper afferma che KAMP rappresenta la prima caratterizzazione in forma chiusa dei primi due momenti della distribuzione nulla di permutazione per la funzione $K$ di Ripley univariata e bivariata, unita a un'approssimazione di normalità asintotica.

• Robustezza: Sfruttando le cellule di fondo e i momenti analitici, KAMP corregge l'inomogeneità spaziale senza il carico computazionale delle permutazioni o il bias derivante dall'ignorare la struttura di fondo.
• Scalabilità: L'approccio analitico elimina la necessità di permutazioni Monte Carlo, rendendo fattibile l'analisi di grandi dataset di proteomica spaziale (milioni di cellule) che prima erano computazionalmente intrattabili per un rigoroso test di permutazione.
• Impatto Scientifico: L'applicazione al cancro ovarico dimostra che non correggere l'inomogeneità del campione può portare a analisi di sopravvivenza distorte. KAMP fornisce un framework statisticamente valido per collegare specifiche interazioni cellula-cellula (es. colocalizzazione B cell–macrofago) agli esiti clinici, rivelando associazioni che i metodi standard non riescono a rilevare.

Gli autori osservano che KAMP misura il clustering in eccesso rispetto alla struttura tissutale aggregata. Di conseguenza, se il segnale biologico di interesse è condiviso sia dalle cellule immunitarie che da quelle di fondo (allineato con l'architettura del tessuto), KAMP potrebbe rimuovere tale struttura condivisa, riducendo potenzialmente la potenza per rilevare tali segnali specifici. Tuttavia, per rilevare interazioni specifiche del tipo cellulare distinte dal background, il metodo offre una soluzione robusta e scalabile.