💻 bioinformatics

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

Questo articolo presenta il pacchetto R `sbivar`, che fornisce una suite di test statistici modificati e stimatori di varianza per valutare rigorosamente le associazioni spaziali bivariate tra modalità multi-omiche con coordinate disgiunte, tenendo conto adeguatamente dell'autocorrelazione spaziale e delle sfide computazionali ad alta dimensionalità.

Autori originali: Hawinkel, S., Hu, W., Velten, B., Maere, S.

Pubblicato 2026-07-23

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Hawinkel, S., Hu, W., Velten, B., Maere, S.

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo

Immagina di essere un detective che cerca di risolvere un mistero all'interno di una città vivente. Questa città è un pezzo di tessuto biologico, e i suoi "cittadini" sono molecole come geni e metaboliti. In passato, gli scienziati potevano solo scattare una foto sfocata dell'intera città o una foto ad alta definizione di un singolo angolo di strada. Ma ora, abbiamo microscopi super-potenziati che possono mappare esattamente dove vivono i diversi tipi di molecole all'interno del tessuto. La grande domanda è: certe molecole amano stare insieme? Se un gene specifico e una sostanza chimica specifica si trovano nello stesso quartiere, potrebbero lavorare insieme su un progetto segreto, come costruire una parete cellulare o combattere un'infezione. Trovare queste "coppie di amici" aiuta a capire come funziona la vita, come nascono le malattie e come curarle.

Tuttavia, c'è un problema. I diversi microscopi utilizzati per mappare queste molecole hanno spesso risoluzioni differenti. Uno potrebbe scattare una foto con puntini minuscoli e perfetti nei pixel, mentre l'altro produce immagini con puntini leggermente più grandi e sfocati. Anche se si allineano perfettamente le due immagini, i puntini di una foto raramente cadono esattamente sopra i puntini dell'altra. È come cercare di far combaciare una griglia di minuscoli mattoncini LEGO con una griglia di blocchi Jenga leggermente più grandi; semplicemente non si allineano uno a uno. Inoltre, le molecole in biologia non sono sparse casualmente come biglie su un pavimento; tendono a raggrupparsi in schemi, un fenomeno che gli scienziati chiamano "autocorrelazione spaziale". Se si ignorano questi raggruppamenti e le griglie disallineate, la matematica può confondersi molto, portandoti a pensare che due molecole siano migliori amiche quando in realtà sono solo estranee che si sono trovate nella stessa area generale.

È qui che entra in gioco il nuovo articolo con un nuovo set di strumenti. Gli autori, Stijn Hawinkel e il suo team, si sono resi conto che molti metodi esistenti per trovare queste coppie di molecole amiche stavano usando la matematica sbagliata. Trattavano i dati come se le molecole fossero sparse casualmente e perfettamente allineate, il che portava a molti falsi allarmi — trovando "amicizie" che in realtà non esistevano. Il team sostiene che sia necessario un metodo in grado di gestire griglie disallineate (coordinate disgiunte) e che rispetti ancora il naturale raggruppamento delle molecole.

Per risolvere questo problema, hanno sviluppato un nuovo pacchetto software chiamato sbivar (che si può trovare su GitHub). Non si sono limitati a inventare un nuovo trucco; hanno adattato tre diversi approoli statistici per lavorare su queste mappe disordinate e disallineate:

La "Sorveglianza del Quartiere" (Moran's I bivariato): Immagina di controllare se due tipi di persone frequentano lo stesso quartiere. Invece di aver bisogno che stiano esattamente nello stesso punto, questo metodo osserva quanto sono vicini tra loro. Gli autori hanno perfezionato questo vecchio metodo per calcolare le probabilità che siano insieme, tenendo conto del fatto che le persone si raggruppano naturalmente. Hanno creato un nuovo modo per misurare il "rumore" nei dati in modo da non farsi ingannare dai raggruppamenti.
La "Mappa Levigata" (Modelli Additivi Generalizzati o GAMs): Questo metodo è come disegnare una coperta morbida e ondulata sopra i punti dati per vedere il quadro generale. Crea una superficie fluida per ogni tipo di molecola in base alla loro posizione, anche se i puntini si trovano su griglie diverse. Poi, confronta le due coperte levigate per vedere se salgono e scendono negli stessi punti. Il team ha capito come misurare l'incertezza di queste coperte per sapere se l'abbinamento è reale o solo un caso.
Il "Detective della Distanza" (Processi Gaussiani Bivariati): Questo è un modello matematico più complesso che tratta il tessuto come un campo continuo in cui la relazione tra le molecole cambia in base alla distanza. È molto potente ma può essere lento da eseguire su un computer.

Il team ha testato questi nuovi strumenti utilizzando simulazioni al computer. Hanno creato mappe di tessuti artificiali con schemi noti — alcuni dove le molecole erano veri amici, e altri dove erano solo vicini casuali. Hanno scoperto che i vecchi metodi spesso urlavano "Amicizia!" anche quando non c'era nulla, specialmente quando le molecole presentavano raggruppamenti naturali. Al contrario, i loro nuovi metodi (specialmente la Sorveglianza del Quartiere e la Mappa Levigata) erano molto più bravi a mantenere il silenzio quando non c'era un'amicizia e a gridare "Amicizia!" solo quando era reale. Hanno anche dimostrato che questi nuovi strumenti funzionano bene anche quando le mappe sono leggermente disallineate, cosa che accade spesso negli esperimenti reali.

Infine, hanno portato i loro nuovi strumenti su dati del mondo reale provenienti da campioni di tumore al polmone e al seno umani, e campioni di cervello di topo. Hanno scoperto alcune nuove coppie entusiasmanti. Ad esempio, in un campione di cancro al polmone, hanno scoperto che un gruppo di geni chiamati Kallikreins frequentava una specifica molecola grassa chiamata PI 34:1. Questo ha senso biologicamente perché entrambi sono coinvolti in una via di segnalazione principale che le cellule usano per comunicare. Nel cervello di topo, hanno trovato un gene (CSRP1) e una molecola grassa (palmitoyl-L-carnitine) che erano vicini nello striato del cervello. Questo accoppiamento suggerisce come le cellule cerebrali e le loro cellule di supporto (astrociti) possano scambiare fonti di energia.

L'articolo non sostiene di aver risolto ogni mistero della biologia e gli autori ammettono che alcuni dei loro strumenti sono più lenti di altri. Tuttavia, hanno fornito un modo molto più affidabile per trovare queste connessioni molecolari senza farsi ingannare dalla natura disordinata dei dati reali. Sistemando la matematica, sperano che gli scienziati possano ora fidarsi delle loro scoperte su quali molecole lavorano davvero insieme, portando a migliori intuizioni su come il nostro corpo funziona e su come le malattie come il cancro possano essere fermate.

Sintesi Tecnica: Test Statistici per l'Associazione Spaziale Bivariata su Dati Multi-Omici con Coordinate Disgiunte

Definizione del Problema

L'emergere dell'omica spaziale multimodale ha permesso la misurazione di tipi di dati ad alta dimensionalità (ad esempio, trascrittomica e metabolomica) su sezioni di tessuto consecutive o co-analizzati sulla stessa sezione. Un obiettivo primario è rilevare associazioni statistiche tra feature di diverse modalità per inferire processi biologici. Tuttavia, gli attuali framework analitici affrontano tre sfide critiche:

Set di Coordinate Disgiunte: A causa delle differenze nella risoluzione spaziale e nell'area di misurazione tra le tecnologie (ad esempio, 10x Genomics Visium rispetto a MALDI-MSI), anche dopo l'allineamento delle immagini, non esiste una mappatura uno-a-uno tra i punti di misurazione (spots). Di conseguenza, quantità statistiche standard come le distribuzioni congiunte e le correlazioni di Pearson sono indefinite.
Perdita di Informazione nelle Pratiche Correnti: La soluzione prevalente consiste nell'aggregare gli spots ad alta risoluzione per farli corrispondere alla risoluzione inferiore dell'altra modalità. Questa "granulazione" scarta l'informazione spaziale e non riesce a sfruttare la piena risoluzione dei dati.
Ipotesi Nulle e Assunzioni Non Valide: Molti test di associazione bivariata esistenti (ad esempio, la correlazione di Pearson standard, i test di permutazione ingenui o alcune versioni dell'indice di Moran bivariato) assumono implicitamente osservazioni indipendenti e identicamente distribuite (i.i.d.) o scambiabilità. Queste assunzioni sono violate nei dati di omica spaziale a causa dell'intrinseca Autocorrelazione Spaziale (SAC). Di conseguenza, questi metodi testano spesso un'ipotesi nulla di "randomizzazione" (assenza di SAC in qualsiasi variabile) piuttosto che l'ipotesi nulla di "indipendenza" (assenza di associazione tra le variabili dato la SAC). Ciò porta a tassi di errore di Tipo I gonfiati e conclusioni fuorvianti in cui pattern spaziali univariati vengono scambiati per associazioni bivariate.

Metodologia

Gli autori propongono una suite di test statistici scalabili progettati per operare direttamente su set di coordinate disgiunte, tenendo esplicitamente conto della SAC in entrambe le variabili. I metodi sono implementati nel pacchetto R sbivar.

1. Indice di Moran Bivariato sotto l'Ipotesi Nulla di Indipendenza

Concetto: Una generalizzazione dell'indice di Moran bivariato ( $I_{xy} = x^T W y$ ) a coordinate disgiunte utilizzando una matrice di pesi $W$ , dove gli elementi $w_{ij}$ decadono con la distanza tra lo spot $i$ della modalità X e lo spot $j$ della modalità Y.
Stima della Varianza: A differenza degli approcci precedenti che assumono osservazioni i.i.d., gli autori derivano uno stimatore di varianza analitico che incorpora la SAC. La varianza è calcolata come $\text{Var}(I_{xy}) = \text{tr}(W^T \hat{\Sigma}_x W \hat{\Sigma}_y)$ , dove $\hat{\Sigma}_x$ e $\hat{\Sigma}_y$ sono matrici di autocorrelazione stimate derivate da modelli di variogramma (ad esempio, lo stimatore di Matheron).
Testing: Si assume che il test statistico sia asintoticamente normale standard. Per rilevare vari pattern spaziali, vengono testate molteplici matrici di peso (con diversi parametri di decadimento) e i relativi p-value vengono combinati utilizzando il test di combinazione di Cauchy per p-value dipendenti.

2. Processi Gaussiani (GP) Bivariati

Concetto: Modella il vettore concatenato delle osservazioni da entrambe le modalità ( $z$ $z$ ) utilizzando una distribuzione Normale Multivariata. La matrice di covarianza $\Sigma$ $Σ$ è decomposta in:
- Rumore indipendente.
- SAC univariata all'interno di ciascuna modalità ( $\Sigma_{SAC}$ ).
- Covarianza spaziale bivariata ( $\Sigma_{biv}$ ) che rappresenta l'associazione di interesse.
Testing: Viene utilizzato un test del punteggio (score test) per testare l'ipotesi nulla che la componente di varianza dell'associazione bivariata ( $\tau$ ) sia zero. Per gestire il confine dello spazio dei parametri, si preferisce un test del punteggio rispetto ai test di Wald o di rapporto di verosimiglianza. Il metodo testa sia associazioni positive che negative e combina i p-value attraverso una gamma di scale di lunghezza ( $l_{xy}$ ) usando il test di combinazione di Cauchy.

3. Modelli Additivi Generalizzati (GAM)

Concetto: Modella i pattern spaziali di ciascuna modalità come funzioni lisce dello spazio utilizzando spline a piastre sottili 2D ( $s_x(c_i)$ e $s_y(e_j)$ ).
Gestione della Disgiunzione: Le superfici spline adattate vengono valutate su una griglia comune regolarmente spaziata all'interno dell'inviluppo concavo dei dati. La covarianza e la correlazione tra queste superfici valutate vengono calcolate.
Stima della Varianza: Poiché le valutazioni delle spline sono dipendenti, le formule di varianza standard non sono valide. Gli autori utilizzano il metodo delta per propagare l'incertezza dei coefficienti delle spline nella stima della correlazione, permettendo un test z valido.
Estensioni: Il framework supporta diverse distribuzioni di outcome (ad esempio, binomiale negativa per la trascrittomica, gamma per la metabolomica) e può essere esteso ai Modelli Additivi Generalizzati Misti (GAMM) per tenere conto della SAC residua.

4. Analisi Multi-Immagine

Per esperimenti replicati (molteplici sezioni di tessuto), gli autori propongono un approccio pragmatico: calcolare una misura di associazione (ad esempio, l'indice di Moran o la correlazione spline) per ogni immagine individualmente, per poi inserire tali misure in un modello lineare che tenga conto del disegno sperimentale. Questo approccio quantifica la variabilità tra le repliche piuttosto che all'interno di una singola immagine, assorbendo naturalmente la variabilità indotta dalla SAC.

Contributi Chiave

Avanzamento Teorico: Il lavoro ridefinisce l'ipotesi nulla per l'associazione spaziale bivariata, distinguendo tra l'ipotesi nulla di "randomizzazione" (assenza di SAC) e l'ipotesi nulla di "indipendenza" (assenza di associazione data la SAC). Fornisce stimatori analitici della varianza per l'indice di Moran bivariato e per i GAM che tengono correttamente conto della SAC in set di coordinate disgiunte.
Innovazione Metodologica: Introduce tre metodi scalabili (Indice di Moran bivariato, GP bivariati, GAM) che non richiedono l'abbinamento degli spots o l'aggregazione dei dati, preservando così la risoluzione spaziale.
Implementazione Software: Lo sviluppo del pacchetto R sbivar, che fornisce un'interfaccia unificata per questi test, includendo il supporto per analisi a singola sezione e multi-sezione.

Risultati

Studi di Simulazione:

Controllo dell'Errore di Tipo I: Simulazioni parametriche e non parametriche dimostrano che molti metodi esistenti (inclusi la correlazione di Pearson standard, il coefficiente di Geary C bivariato e i test di permutazione ingenui) soffrono di tassi gonfiati di errore di Tipo I in presenza di SAC in una o entrambe le variabili. Al contrario, i metodi proposti (Indice di Moran bivariato con ipotesi nulla di indipendenza, GP bivariati e GAM) controllano con successo i tassi di errore di Tipo I.
Potenza: I nuovi metodi mostrano generalmente una buona potenza nel rilevare vari pattern bivariati (ad esempio, "striature", "zone" e dipendenze di processi gaussiani). Sebbene i GP bivariati e i GAM siano computazionalmente intensivi, l'indice di Moran bivariato e i GAM offrono un equilibrio favorevole tra velocità e potenza.
Robustezza: I metodi mantengono il controllo dell'errore di Tipo I anche in presenza di errori di allineamento, sebbene la potenza diminuisca all'aumentare della distorsione.

Applicazioni su Dati Reali:

Dati Godfrey (Cancro al Polmone/Mammella Umana): Applicato a trascrittomica e metabolomica co-analizzate. I nuovi metodi hanno identificato coppie gene-metabolita significative che erano state mancate dall'analisi originale basata sulla correlazione (che utilizzava una soglia fissa). In particolare, è stata trovata un'associazione positiva tra i trascritti Kallikrein (KLK10-13) e il metabolita PI 34:1 nel cancro al polmone, collegandoli alla via di segnalazione PI3K/AKT.
Dati Vicari (Cervello di Topo): Applicato a modelli di malattia di Parkinson. L'analisi ha confermato alcuni risultati precedenti ma ha rivelato anche nuove associazioni, come un legame positivo tra i trascritti CSRP1 e la palmitoil-L-carnitina nello striato, coerente con i noti meccanismi di trasferimento lipidico astrocite-neurone.

Significatività e Rivendicazioni

Gli autori sostengono che il loro lavoro affronti una lacuna critica nell'analisi dell'omica spaziale multimodale fornendo strumenti statisticamente validi per rilevare associazioni bivariate su set di coordinate disgiunte. Argomentano che ignorare la SAC porta a scoperte errate e che aggregare i dati per forzare l'abbinamento delle coordinate comporta una perdita di informazioni non necessaria.

Il paper posiziona modestamente i propri contributi come una necessaria correzione alle pratiche esistenti:

Fornisce la prima suite di test che tiene esplicitamente conto della SAC pur testando l'ipotesi nulla di indipendenza su coordinate disgiunte.
Offre un framework pratico per analizzare esperimenti spaziali replicati senza richiedere il fitting di un modello singolo proibitivamente complesso.
Sottolinea che un'inferenza valida richiede la separazione della stima delle strutture spaziali univariate dal testing delle associazioni bivariate.

Gli autori concludono che, sebbene nessun metodo sia perfetto (ad esempio, i GAM possono avere difficoltà con la SAC a corto raggio se la autocorrelazione residua non viene modellata, e i GP sono computazionalmente pesanti), la combinazione dell'indice di Moran bivariato e dei GAM, potenzialmente confermata dai GAMM, offre una strategia robusta per scoprire una colocalizzazione biologica significativa.