SNR-ST-Mix: Sample-specific Neighborhood Regression Mixup for Augmented Spatial Transcriptomics Imputation with Deep Neural Network

Sintesi Tecnica: SNR-ST-Mix

Definizione del Problema
La trascrittomica spaziale (ST) consente il profilo dell'espressione genica all'interno del contesto tissutale, ma è spesso limitata da dati rumorosi, a bassa risoluzione e campionati in modo rado. Sebbene le reti neurali profonde (DNN) siano emerse come strumenti potenti per l'imputazione dell'espressione genica da immagini istologiche, le loro prestazioni sono limitate da piccoli campioni e dalla mancanza di un aumento dei dati biologicamente informato. Le strategie di aumento esistenti, come Mixup e CutMix, sono progettate principalmente per compiti di classificazione. Quando applicate a compiti di regressione come la predizione dell'espressione genica, questi metodi generano spesso interpolazioni biologicamente implausibili mescolando campioni casuali. Ciò trascura le intrinseche relazioni spaziali e trascrittomiche nei dati ST, portando a discontinuità spaziali artificiali che ostacolano le prestazioni di predizione e la generalizzazione, in particolare nei regimi di addestramento specifici per il campione dove la scarsità di dati è acuta.

Metodologia
Gli autori propongono SNR-ST-Mix (Sample-specific Neighborhood Regression Mixup), un framework di aumento dei dati consapevole della geometria e dell'espressione, adattato per la regressione ST. Il metodo opera sulla premessa che le regioni tissutali vicine esibiscano gradienti morfologici ed espressivi correlati. Il framework consiste in due meccanismi di condizionamento primari:

1. Selezione del Vicinato Spaziale: Inveve di un mixing casuale, SNR-ST-Mix restringe la selezione dei partner di mixing ai $k$-vicini più prossimi (KNN) spaziali di un punto ancora (anchor spot) basandosi sulla distanza euclidea nello spazio delle coordinate. Ciò preserva il contesto anatomico locale e assicura che le coppie miscelate esibiscano una discrepanza target limitata, aderendo a un prior di Lipschitz secondo cui l'espressione varia uniformemente attraverso il tessuto.
2. Pesatura della Similarità di Espressione: All'interno del vicinato spaziale selezionato, la probabilità di mescolarsi con un vicino specifico è pesata in modo adattivo tramite un kernel gaussiano basato sulla distanza tra i loro profili di espressione genica. Ciò assicura che i campioni aumentati siano derivati da regioni trascrizionalmente simili, evitando l'interpolazione tra compartimenti tissutali dissimili o eterogenei.

Il processo di mixing genera combinazioni convesse sia degli input di patch istologiche ($x_{mix}$) che dei vettori di espressione genica target ($y_{mix}$) utilizzando un rapporto di mixing $\lambda \sim Beta(\alpha, \alpha)$.

Per imporre ulteriormente la coerenza biologica, l'obiettivo di addestramento incorpora una funzione di perdita composita:

• Rischio Vicinale ($L_{vic}$): Errore Quadratico Medio (MSE) standard sulle coppie miscelate.
• Coerenza Mixup ($L_{cons}$): Una penalità che assicura che la predizione del modello su un input miscelato corrisponda alla miscela lineare delle predizioni sugli endpoint originali, controllando la curvatura non necessaria lungo il manifold tissutale.
• Perdita di Bordo ($L_{edge}$): Allinea le differenze di espressione predette con le reali differenze di espressione attraverso i bordi spaziali, pesate dalle probabilità di campionamento. Questo evita l'eccessivo livellamento (oversmoothing) ai veri confini biologici pur promuovendo la fluidità dove i target sono simili.
• Perdita di Correlazione ($L_{corr}$): Un lieve prior che orienta l'ottimizzazione verso una maggiore correlazione di Pearson senza destabilizzare l'adattamento MSE.

Il metodo è agnostico rispetto all'architettura, integrandosi perfettamente con i backbone esistenti (ad esempio, Vision Transformers) senza richiedere moduli di rete aggiuntivi o un sovraccarico computazionale significativo.

Contributi Chiave

1. Primo Mixup Basato sulla Regressione per la ST: SNR-ST-Mix viene introdotto come il primo framework di mixup specificamente progettato per la regressione della trascrittomica spaziale, imponendo sia la località spaziale che la similarità di espressione per generare aumenti biologicamente significativi.
2. Ponte tra Paradigmi: Il metodo unisce i paradigmi di addestramento esterno e quelli specifici per il campione, migliorando la robustezza alla scarsità di dati pur mantenendo una forte generalizzazione in-distribution. Mitiga l'overfitting e riduce la dipendenza da grandi dataset esterni.
3. Efficienza e Integrazione: L'approccio non richiede complessità di rete aggiuntiva ed è facilmente integrabile nei pipeline standard. Dimostra un'alta adattabilità attraverso diversi tipi di tessuti e condizioni sperimentali.

Risultati Sperimentali
Gli autori hanno valutato SNR-ST-Mix su dataset 10x Genomics Visium che coprono cancro al seno, cancro all'intestino, cuore sano, cancro alle ovaie e cancro alla prostata.

• Prestazioni: In otto dataset, SNR-ST-Mix ha costantemente ottenuto l'MSE e il MAE più bassi, e il coefficiente di correlazione di Pearson (PCC) più elevato rispetto ai baseline (nessun aumento, aumento geometrico di base, vanilla Mixup e CutMix). Ad esempio, nel dataset TENX13 del cancro al seno, SNR-ST-Mix ha ridotto l'MSE da 0.2074 (baseline) a 0.1886 e ha migliorato il PCC a 0.4748.
• Qualità Visiva: L'analisi qualitativa delle mappe di espressione spaziale (ad esempio, geni ISG15, MT-ND3) ha mostrato che SNR-ST-Mix ha prodotto confini spaziali più nitidi e intensità regionali più coerenti rispetto ad altri metodi, recuperando efficacementamente le regioni ad alta espressione mentre sopprime il rumore.
• Studi di Ablazione: Gli esperimenti hanno confermato che sia il vincolo spaziale KNN che la pesatura della similarità del label sono essenziali e complementari. La combinazione di entrambi i vincoli ha prodotto miglioramenti sinergici rispetto all'uso di uno solo di essi. Inoltre, è stato dimostrato che la funzione di perdita composita proposta (perdite di coerenza, bordo e correlazione) migliora ulteriormente le prestazioni fornendo una regolarizzazione efficace.
• Robustezza: L'analisi della sensibilità degli iperparametri ha indicato che il metodo è robusto alle variazioni del numero di vicini ($K$) e del parametro di larghezza di banda ($\sigma$), mantenendo prestazioni stabili attraverso un ampio intervallo di impostazioni.

Significatività e Rivendicazioni
L'articolo afferma che SNR-ST-Mix fornisce una strategia di aumento efficace e biologicamente fondata per la regressione della trascrittomica spaziale. Sfruttando esplicitamente la geometria spaziale e la similarità trascrittomica, il metodo espande l'efficace manifold di addestramento e migliora le prestazioni predittive senza aumentare la complessità del modello. Gli autori sottolineano che il loro approccio affronta il limite fondamentale dei metodi di aumento esistenti che non rispettano la struttura spaziale unica dei dati ST. Essi sostengono che SNR-ST-Mix offra una soluzione pratica per migliorare l'efficienza dei dati e la stabilità della predizione, in particolare negli scenari di addestramento specifici per il campione dove la disponibilità di dati è limitata. Il lavoro suggerisce che l'aumento biologicamente informato è critico per far avanzare l'analisi della trascrittomica spaziale, specialmente man mano che le tecnologie si muovono verso risoluzioni più elevate.