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

Technische Samenvatting: SNR-ST-Mix

Probleemstelling
Ruimtelijke transcriptomics (ST) maakt profilering van genexpressie binnen de weefselcontext mogelijk, maar wordt vaak beperkt door ruisgevoelige, laag-resolutie en schaars bemonsterde data. Hoewel diepe neurale netwerken (DNN's) krachtige instrumenten zijn geworden voor het imputeren van genexpressie uit histologische afbeeldingen, wordt hun prestatie beperkt door kleine steekproefomvang en een gebrek aan biologisch geïnformeerde data-augmentatie. Bestaande augmentatiestrategieën, zoals Mixup en CutMix, zijn primair ontworpen voor classificatietaken. Wanneer deze worden toegepast op regressietaken zoals genexpressievoorspelling, genereren deze methoden vaak biologisch onwaarschijnlijke interpolaties door willekeurige monsters te mengen. Dit negeert de inherente ruimtelijke en transcriptomische relaties in ST-data, wat leidt tot kunstmatige ruimtelijke discontinuïteiten die de voorspellende prestaties en generalisatie belemmeren, met name in taakspecifieke trainingsregimes waar datascarciteit acuut is.

Methodologie
De auteurs stellen SNR-ST-Mix (Sample-specific Neighborhood Regression Mixup) voor, een geometrie- en expressiebewuste data-augmentatie-framework die op maat is gemaakt voor ST-regressie. De methode werkt op de premisse dat naburige weefselregio's gecorreleerde morfologie en expressiegradiënten vertonen. Het framework bestaat uit twee primaire conditioneringsmechanismen:

1. Ruimtelijke Nabijheidsselectie: In plaats van willekeurig te mengen, beperkt SNR-ST-Mix de selectie van mengpartners tot de $k$-dichtstbijzijnde ruimtelijke buren (KNN) van een ankerpunt op basis van de Euclidische afstand in de coördinatenruimte. Dit behoudt de lokale anatomische context en zorgt ervoor dat gemengde paren een beperkte doelverschil vertonen, in overeenstemming met een Lipschitz-prior waarbij expressie vloeiend varieert over het weefsel.
2. Expressie-gelijkenis Weging: Binnen de geselecteerde ruimtelijke buurt wordt de kans om met een specifieke buur te mengen adaptief gewogen door een Gaussische kernel op basis van de afstand tussen hun genexpressieprofielen. Dit zorgt ervoor dat geaugmenteerde monsters afgeleid worden van transcriptioneel gelijkaardige regio's, waardoor interpolatie tussen ongelijkaardige of heterogene weefselcompartimenten wordt vermeden.

Het mengproces genereert convexe combinaties van zowel de input histologische patches ($x_{mix}$) als de doelgenexpressievectoren ($y_{mix}$) met behulp van een mengratio $\lambda \sim Beta(\alpha, \alpha)$.

Om biologische consistentie verder af te dwingen, bevat de trainingsdoelstelling een samengestelde verliesfunctie:

• Vicinal Risk ($L_{vic}$): Standaard Mean Squared Error (MSE) op gemengde paren.
• Mixup Consistentie ($L_{cons}$): Een straf die ervoor zorgt dat de voorspelling van het model op een gemengde input overeenkomt met de lineaire menging van de voorspellingen op de oorspronkelijke eindpunten, wat onnodige kromming langs de weefselmanifold controleert.
• Edge Loss ($L_{edge}$): Stemt voorspelde expressieverschillen af met ware expressieverschillen over ruimtelijke randen, gewogen door bemonsteringskansen. Dit voorkomt overmatige smoothing bij echte biologische grenzen, terwijl het smoothing bevordert waar targets vergelijkbaar zijn.
• Correlation Loss ($L_{corr}$): Een milde prior die de optimalisatie stuurt naar een hogere Pearson-correlatie zonder de MSE-fit te destabiliseren.

De methode is architectuur-agnostisch, integreert naadloos met bestaande backbones (bijv. Vision Transformers) zonder extra netwerkmodules of significante computationele overhead te vereisen.

Belangrijkste Bijdragen

1. Eerste Regressie-gebaseerde Mixup voor ST: SNR-ST-Mix wordt geïntroduceerd als het eerste mixup-framework dat specifiek is ontworpen voor ruimtelijke transcriptomics-regressie, waarbij zowel ruimtelijke lokaliteit als expressiegelijkenis wordt afgedwongen om biologisch betekenisvolle augmentaties te genereren.
2. Overbruggen van Paradigma's: De methode overbrugt extern getrainde en taakspecifieke paradigma's, waardoor de robuustheid tegen datascarcity wordt verbeterd terwijl een sterke in-distributie generalisatie behouden blijft. Het mitigeert overfitting en vermindert de afhankelijkheid van grote externe datasets.
3. Efficiëntie en Integratie: De aanpak vereist geen extra netwerkcomplexiteit en is gemakkelijk te integreren in standaard pipelines. Het vertoont een hoge mate van adaptiviteit over diverse weefseltypen en experimentele condities.

Experimentele Resultaten
De auteurs evalueerden SNR-ST-Mix op 10x Genomics Visium datasets die borstkanker, darmkanker, gezond hart, ovariumkanker en prostaatkanker beslaan.

• Prestaties: Over acht datasets heen behaalde SNR-ST-Mix consistent de laagste Mean Squared Error (MSE) en Mean Absolute Error (MAE), en de hoogste Pearson Correlation Coefficient (PCC) vergeleken met baselines (geen augmentatie, basis geometrische augmentatie, vanilla Mixup en CutMix). Zo verminderde SNR-ST-Mix in de TENX13 borstkanker dataset de MSE van 0.2074 (baseline) naar 0.1886 en verbeterde de PCC naar 0.4748.
• Visuele Kwaliteit: Kwalitatieve analyse van ruimtelijke expressiemaps (bijv. genen ISG15, MT-ND3) toonde aan dat SNR-ST-Mix scherpere ruimtelijke grenzen en coherente regionale intensiteiten produceerde vergeleken met andere methoden, waarbij hoog-expressieve regio's effectief werden hersteld terwijl ruis werd onderdrukt.
• Ablatie-studies: Experimenten bevestigden dat zowel de KNN ruimtelijke beperking als de label-gelijkenis wegingsmethode essentieel en complementair zijn. Het combineren van beide beperkingen leverde synergetische verbeteringen op ten opzicht van het gebruik van slechts één van beide. Verder bleek dat de voorgestelde samengestelde verliesfunctie (consistentie-, edge- en correlatieverlies) de prestaties verder verbeterde door effectieve regularisatie te bieden.
• Robuustheid: Hyperparameter gevoeligheidsanalyse gaf aan dat de methode robuust is tegen variaties in het aantal buren ($K$) en de bandwidth-parameter ($\sigma$), waarbij stabiele prestaties worden behouden over een breed bereik van instellingen.

Betekenis en Claims
Het artikel claimt dat SNR-ST-Mix een effectieve en biologisch gefundeerde augmentatiestrategie biedt voor ruimtelijke transcriptomics-regressie. Door expliciet gebruik te maken van ruimtelijke geometrie en transcriptomische gelijkenis, breidt de methode de effectieve trainingsmanifold uit en verbetert de voorspellende prestaties zonder de modelcomplexiteit te verhogen. De auteurs benadrukken dat hun aanpak de fundamentele beperking aanpakt waarbij bestaande augmentatiemethoden de unieke ruimtelijke structuur van ST-data niet respecteren. Zij stellen dat SNR-ST-Mix een praktische oplossing biedt voor het verbeteren van data-efficiëntie en voorspellingsstabiliteit, met name in taakspecifieke trainingsscenario's waar de beschikbaarheid van data beperkt is. Het werk suggereert dat biologisch geïnformeerde augmentatie cruciaal is voor de vooruitgang van ruimtelijke transcriptomics-analyse, vooral naarmate technologieën naar hogere resoluties bewegen.