SPATIA: Multimodal Generation and Prediction of Spatial Cell Phenotypes

Het artikel introduceert SPATIA, een geavanceerd generatief en voorspellend model dat morfologie, genexpressie en ruimtelijke context integreert om cel-fenotypes te analyseren en te simuleren, en dat presteert beter dan bestaande methoden op een grootschalig dataset van 25,9 miljoen cel-genparen.

De kern

Stel je voor dat je een stad bekijkt. Je kunt de huizen van verre zien (de architectuur), je kunt de inwoners tellen (de mensen), en je kunt weten wat ze zeggen (hun gesprekken). Maar tot nu toe hebben wetenschappers deze drie dingen vaak apart bestudeerd. Ze keken alleen naar de huizen, of alleen naar de gesprekken, maar zelden naar hoe de vorm van een huis, de woorden van de bewoners en de buurt waarin ze wonen, samenwerken om de stad te laten functioneren.

Dit is precies het probleem dat het nieuwe model SPATIA oplost.

Hier is een uitleg in gewone taal, met een paar creatieve vergelijkingen:

1. Het Probleem: De Losgekoppelde Wereld

In de biologie willen we begrijpen hoe cellen werken. Een cel is als een klein huisje in een enorme stad (ons lichaam).

• De vorm: Hoe ziet het huisje eruit? Is het groot, klein, vervormd? (Dit zie je op een foto).
• De gesprekken: Wat zegt het huisje? Welke genen zijn actief? (Dit zie je in de data).
• De buurt: Met wie woont het naast? Is het een rustige wijk of een drukke markt? (Dit is de ruimtelijke context).

Tot nu toe keken computersystemen vaak alleen naar de foto's of alleen naar de gesprekken. Ze misten het grote plaatje: hoe de buurt de vorm van het huisje beïnvloedt.

2. De Oplossing: SPATIA, de "Super-Vertaler"

SPATIA is een slim computerprogramma dat alles samenvoegt. Het is alsof we een meertalige tolk hebben die niet alleen de taal van de huizen en de taal van de gesprekken spreekt, maar ook de "taal van de buurt" begrijpt.

Het doet dit op drie niveaus:

• Het Huisje-niveau: Het kijkt naar één cel en koppelt direct de foto aan de genen.
• De Buurt-niveau: Het kijkt naar een groepje buren (een "niche") en ziet hoe ze met elkaar interacteren.
• De Stad-niveau: Het kijkt naar het hele weefsel om te zien hoe grote patronen ontstaan.

3. De Magische Truc: Voorspellen zonder te zien

Het meest indrukwekkende deel van SPATIA is wat het kan voorspellen.

Stel je voor dat je wilt weten hoe een huis eruitziet nadat het is gerenoveerd. Normaal gesproken moet je wachten tot de renovatie klaar is om de foto te maken. Maar in de biologie kunnen we vaak niet wachten; we kunnen niet dezelfde cel "voor" en "na" een ziekteprocessen fotograferen (want de cel is dan vaak weg of veranderd).

SPATIA lost dit op met een slimme truc:

1. De "Matchmaker": Het zoekt in de data naar cellen die nu al ziek zijn en cellen die nu nog gezond zijn. Het gebruikt wiskunde (genaamd "Optimal Transport") om te raden: "Ah, deze gezonde cel lijkt veel op die zieke cel, behalve dat hij nog niet ziek is."
2. De "Zekerheids-Check": Omdat deze koppeling niet 100% perfect is (het is een gok), kijkt het programma hoe zeker het is. Als het twijfelt, weegt het die vergelijking minder zwaar mee.
3. De "Tijdmachine": Met deze informatie leert het programma hoe een cel eruitziet als hij verandert. Het kan nu zeggen: "Als deze gezonde cel in een 'ontstekings-omgeving' terechtkomt, zal hij er zo uitzien."

Het is alsof je een kunstenaar bent die een tekening maakt van een huis voordat het gebouwd is, puur op basis van de plannen en de buurt, zonder dat je het huis ooit hebt gezien.

4. Waarom is dit belangrijk?

SPATIA is getraind op een gigantische bibliotheek van 25,9 miljoen cellen uit 17 verschillende weefsels. Het is getest op 12 verschillende taken en bleek beter te zijn dan alle andere modellen die er nu zijn.

• Beter voorspellen: Het kan ziektepatronen (zoals kanker die zich uitbreidt) beter herkennen.
• Beter genereren: Het kan realistische beelden maken van hoe cellen eruitzien in verschillende situaties.
• Onafhankelijk van de camera: Het werkt goed, ongeacht welk type microscopie of apparaat de data heeft gemaakt.

Samenvattend

SPATIA is als een architect en een detective in één. Het begrijpt niet alleen hoe een cel eruitziet en wat hij zegt, maar het snapt ook hoe de omgeving die cel verandert. Hierdoor kunnen wetenschappers in de computer simuleren wat er gebeurt als een cel ziek wordt of geneest, zonder dat ze duizenden jaren moeten wachten op echte experimenten. Het helpt ons de complexe stad van ons lichaam beter te begrijpen, één cel tegelijk.

Technische samenvatting

Probleemstelling

Het begrijpen van hoe celmorfologie, genexpressie en ruimtelijke context gezamenlijk weefselfunctie bepalen, is een centrale uitdaging in de biologie. Hoewel beeldgebaseerde ruimtelijke transcriptomietechnologieën (ST) nu hoogwaardige metingen van celafbeeldingen en genexpressieprofielen bieden, analyseren bestaande methoden deze modaliteiten vaak geïsoleerd van elkaar of op een beperkte resolutie (bijvoorbeeld op "spot"-niveau in plaats van op celniveau).

De kernuitdagingen zijn:

1. Het leren van geünificeerde representaties die de gezamenlijke structuur tussen beeld- en genmodaliteiten vastleggen.
2. Het behouden van ruimtelijke afhankelijkheden op celniveau.
3. Het generaliseren over verschillende niveaus, van lokale niches tot het volledige weefsel.
   Bestaande modellen falen vaak in het integreren van deze dimensies op celniveau, negeren morfologie, of missen de mogelijkheid om micro-omgeving-afhankelijke fenotypische overgangen onder perturbaties (zoals ziekteprogressie) te voorspellen.

Methodologie: SPATIA

SPATIA is een multi-level generatief en voorspellend model dat celmorfologie, genexpressie en ruimtelijke coördinaten integreert binnen een geünificeerd kader. Het model bestaat uit drie hoofdcomponenten:

1. Hiërarchische Multi-Level Architectuur
SPATIA leert geünificeerde embeddings ($z_i$) voor elke cel door informatie te aggregeren van drie schalen:

• Celniveau: Beeldafgeleide morfologische tokens (via een ViT-encoder) en transcriptomische embeddings (via een voorgetrainde single-cell encoder) worden gefuseerd via kruis-attentie (cross-attention). Dit koppelt de morfologie van een cel direct aan zijn genexpressie.
• Niche-niveau (Lokaal): Naburige cellen worden gegroepeerd in ruimtelijke patches (bijv. 256x256 pixels). Een transformer modelleert lokale cel-cel interacties binnen deze niches.
• Weefselniveau (Globaal): Een globale transformer aggregeert niche-representaties om langeafstandsafhankelijkheden over het volledige microscoopplaatje (whole-slide) vast te leggen.

2. Ruimtelijk Gecconditioneerde Generatie (Perturbatiemodeling)
Een unieke eigenschap van SPATIA is de mogelijkheid om morfologische uitkomsten van perturbaties te voorspellen zonder gekoppelde "voor-na" data (wat onmogelijk is bij destructieve ST-technieken).

• Zwakke Supervisie via Optimal Transport (OT): Het model bouwt "zwakke paren" tussen controlecellen en doelcellen (bijv. DCIS vs. invasief) binnen ruimtelijk aangrenzende of niche-consistente regio's. Dit wordt gedaan door genexpressie-distributies te aligneren met Entropy-Regularized Optimal Transport (OT) in de PCA-ruimte.
• Vertrouwensbewuste Flow Matching: Omdat OT-paren imperfect zijn, introduceert SPATIA een confidence-aware flow matching doelstelling. Onzekerheid in de OT-koppeling wordt gebruikt om training gewichten te herschalen, waardoor onzekere paren minder invloed hebben op het leerproces.
• Morfologie-Profiel Alignering: Om ervoor te zorgen dat gegenereerde afbeeldingen biologisch zinvol zijn, wordt een verliesfunctie toegevoegd die de distributie van gegenereerde morfologische kenmerken (bijv. CellProfiler-features) aligneert met die van echte doelcellen.
• Conditioneel Contrast: Een regularisatieterm zorgt ervoor dat het model verschillende perturbatietypes (bijv. immuun-koud vs. immuun-heet) kan onderscheiden.

3. Platform-onafhankelijk Leren
Om variatie tussen verschillende technologieplatforms (bijv. Xenium, CosMx) te minimaliseren, gebruikt SPATIA een embedding-onafhankelijkheidsdoelstelling en platform-specifieke tokens om technische artefacten te scheiden van biologische variatie.

Dataset: MIST

Het model is getraind op MIST (Multi-scale dataset for Image-based Spatial Transcriptomics), een nieuw samengesteld dataset van 25,9 miljoen cel-genparen afkomstig uit 74 bronnen. Deze dataset omvat:

• 17 weefsels en 60 donors.
• 4 verschillende ST-platforms.
• Drie schalen: MIST-C (cellen), MIST-N (niches), en MIST-T (weefsel).

Belangrijkste Resultaten

SPATIA is geëvalueerd tegen 18 bestaande modellen over 12 taken, waaronder fenotype-generatie, annotatie, clustering, gen-imputatie en kruis-modaliteit voorspelling.

• Generatieve Kwaliteit: SPATIA verbeterde de generatieve trouw (generative fidelity) met 8% ten opzichte van state-of-the-art modellen. Dit werd gemeten via FID (Fréchet Inception Distance) en KID (Kernel Inception Distance).
• Voorspellende Accuraatheid: Het model behaalde verbeteringen tot 3% in voorspellende benchmarks, waaronder biomarker-statusvoorspelling (ER, PR, HER2) en genexpressievoorspelling.
• Kruis-platform Robuustheid: Bij clustering op verschillende platforms (Xenium en CosMx) behaalde SPATIA betere resultaten (hogere ARI en NMI scores) dan single-cell modellen zoals scGPT en Nicheformer, wat aantoont dat het platform-agnostische representaties leert.
• Biologische Validiteit: De gegenereerde celmorfologieën voor overgangen (bijv. van DCIS naar invasief kanker) vertoonden een hogere overeenkomst met de werkelijke biologische verdeling van morfologische kenmerken dan concurrerende methoden.

Bijdragen en Significantie

De belangrijkste bijdragen van dit werk zijn:

1. Eerste Hiërarchische Multi-Modal Model: SPATIA is een van de eerste modellen dat morfologie, genexpressie en ruimtelijke context integreert van cel tot weefselniveau, waardoor het complexe ruimtelijke contexten kan modelleren.
2. Generatie zonder Gekoppelde Data: Door gebruik te maken van Optimal Transport en Flow Matching, kan SPATIA realistische fenotypische overgangen simuleren zonder dat er fysieke "voor-na" paren nodig zijn, wat cruciaal is voor destructieve experimenten.
3. Schaalbaarheid en Robuustheid: Het model is getraind op een dataset van 25,9 miljoen cellen en toont superioriteit in het generaliseren over verschillende technologieplatforms en ziektestaten.
4. Toepassing in Biomedisch Onderzoek: SPATIA biedt een krachtige tool voor in-silico exploratie van fenotypische variatie, het genereren van hypothesen over celtransities (zoals tumorprogressie of immuunremodeling) en het verbeteren van de analyse van ruimtelijke transcriptomiedata.

Kortom, SPATIA overbrugt de kloof tussen beeldanalyse en transcriptomica, waardoor het mogelijk wordt om cellulaire phenotypes niet alleen te analyseren, maar ook realistisch te genereren en te voorspellen binnen hun natuurlijke ruimtelijke context.