Mosaic integration of spatial multi-omics with SpaMosaic

In dit artikel wordt SpaMosaic voorgesteld, een schaalbaar hulpmiddel dat contrastief leren en graf-neurale netwerken gebruikt om heterogene ruimtelijke multi-omics-data te integreren, batch-effecten te verminderen en ontbrekende modaliteiten nauwkeurig te imputeren voor de constructie van uitgebreide biologische atlassen.

De kern

SpaMosaic: De Digitale Puzzelmeester voor de Biologische Wereld

Stel je voor dat je een gigantische, ingewikkelde puzzel probeert op te lossen. Maar er is een probleem: je hebt duizenden puzzelstukjes, maar ze komen uit verschillende dozen. Sommige dozen bevatten alleen stukjes met blauwe lucht, andere alleen met groene bomen, en weer andere met een mix van beide. Bovendien zijn sommige stukjes uit een andere tijd (bijvoorbeeld een babyversie van de boom) en andere uit een heel ander land (een andere meetmethode).

Normaal gesproken is het bijna onmogelijk om hier één compleet plaatje van te maken. Je mist stukjes, de kleuren lopen uiteen en de randen passen niet.

Wat is SpaMosaic?
De auteurs van dit paper hebben SpaMosaic bedacht. Dit is een slim computerprogramma dat precies dit probleem oplost. Het is als een super-intelligente puzzelmeester die alle losse stukjes uit die verschillende dozen bij elkaar haalt, ze op de juiste plek legt en zelfs de ontbrekende stukjes uitvindt op basis van wat hij al ziet.

Hier is hoe het werkt, vertaald naar alledaagse taal:

1. De "Mosaic" (Mozaïek) Uitdaging

In de biologie willen wetenschappers vaak kijken naar een weefsel (zoals een stukje hersenen) en alles tegelijk meten: welke genen actief zijn (RNA), welke eiwitten er zijn, en hoe het DNA is verpakt (epigenetica).

• Het probleem: Het is duur en moeilijk om alles tegelijk op één stukje weefsel te meten. Vaak meten ze op het ene stukje alleen de genen, en op het ernaast liggende stukje alleen de eiwitten.
• De oplossing: SpaMosaic neemt al die losse stukjes (de "mozaïek") en plakt ze digitaal aan elkaar. Het maakt er één groot, compleet plaatje van.

2. Hoe werkt het? (De Creatieve Analogieën)

De "Vertaalboot" (Contrast Learning)
Stel je voor dat je twee mensen hebt die verschillende talen spreken. De één spreekt "Genen-Talen" en de ander "Eiwit-Talen". Ze kunnen elkaar niet verstaan.
SpaMosaic bouwt een vertaalboot tussen hen. Door te kijken naar waar ze overeenkomen (bijvoorbeeld: "In dit gebied van de hersenen zijn zowel gen X als eiwit Y actief"), leert het programma de taal van de ander. Zo ontstaat er één gemeenschappelijke taal waarin alle gegevens kunnen worden gesproken, ongeacht waar ze vandaan komen.

De "Buurtbewoners" (Grafische Netwerken)
Het programma kijkt niet alleen naar de inhoud van de puzzelstukjes, maar ook naar waar ze zitten.

• Ruimtelijk inzicht: Het weet dat stukjes die fysiek dicht bij elkaar liggen in het weefsel, waarschijnlijk ook biologisch op elkaar lijken. Het behandelt ze als goede buren.
• Slimme koppeling: Als een stukje in het ene stukje weefsel (met alleen genen) lijkt op een stukje in het andere (met alleen eiwitten), dan koppelt het ze aan elkaar. Het gebruikt de "buurman" om te raden wat er ontbreekt.

Het "Ontbrekende Stukje" invullen (Imputatie)
Dit is misschien wel het coolste deel. Stel, je hebt een stukje weefsel waar je alleen de genen hebt gemeten, maar je mist de eiwitten.
SpaMosaic kijkt naar zijn "buren" in de andere stukjes weefsel waar die eiwitten wel zijn gemeten. Omdat het weet hoe genen en eiwitten samenwerken, kan het met grote nauwkeurigheid voorspellen welke eiwitten er waarschijnlijk in dat ontbrekende stukje zaten. Het is alsof je een gat in een muur ziet, en op basis van de bakstenen eromheen precies weet welke steen er moet komen, zonder dat je die ooit hebt gezien.

3. Waarom is dit zo belangrijk?

• Het maakt de chaos overzichtelijk: Wetenschappers hebben nu duizenden losse datasets van verschillende laboratoria, verschillende tijdstippen (van embryo tot volwassene) en verschillende meetapparaten. SpaMosaic kan al die rommel in één schoon, helder plaatje zetten.
• Het ziet patronen die anders onzichtbaar blijven: In de testcases (zoals muizenhersenen) zag SpaMosaic gebieden in de hersenen die andere methoden over het hoofd zagen of als ruis beschouwden. Het kon zelfs de lagen van de hersenschors (cortex) veel scherper onderscheiden.
• Het bespaart tijd en geld: Je hoeft niet meer alles op één stukje weefsel te meten (wat heel moeilijk is). Je kunt losse experimenten doen en ze later digitaal samenvoegen.

Samenvattend

SpaMosaic is als een magische bril voor biologen. Zonder deze bril zien ze alleen losse, vaag gekleurde stukjes van een enorme muurschildering. Met SpaMosaic op de bril, zien ze ineens één perfect, helder beeld van hoe het leven in een weefsel werkt, inclusief de details die ze nooit direct hebben gemeten, maar die het programma slim heeft afgeleid.

Het is een stap in de richting van het maken van een complete "Google Maps" van het menselijk lichaam, waar je kunt inzoomen op elk detail, ongeacht hoe de data oorspronkelijk is verzameld.

Technische samenvatting

Titel: Mosaic-integratie van ruimtelijke multi-omics met SpaMosaic

1. Het Probleem

Ruimtelijke multi-omics-technologieën bieden krachtige inzichten in celheterogeniteit binnen weefselcontext. Echter, het gelijktijdig meten van meerdere 'omes' (zoals RNA, eiwitten, chromatinetoegang en histonemodificaties) op één weefselsectie is technisch uitdagend en kostbaar. Hierdoor zijn de meeste beschikbare datasets afkomstig van verschillende secties die slechts één of een beperkt aantal modaliteiten bevatten.

De uitdaging ligt in het integreren van deze mosaïek-datasets:

• Verticale integratie: Het harmoniseren van verschillende modaliteiten voor dezelfde cellen (als ze gedeeltelijk overlappen).
• Horizontale integratie: Het verminderen van technische variatie (batch-effecten) binnen dezelfde modaliteit over verschillende secties.
• Ruimtelijke context: Bestaande methoden voor single-cell mosaic-integratie (zoals Cobolt of scMoMaT) negeren vaak de ruimtelijke informatie, terwijl bestaande ruimtelijke methoden (zoals BANKSY of CellCharter) niet ontworpen zijn voor complexe mosaic-scenario's met gedeelde en niet-gedeelde modaliteiten.

Er is dus behoefte aan een methode die heterogene ruimtelijke datasets kan verenigen tot een coherent, multimodaal atlas zonder dat de secties noodzakelijkerwijs naast elkaar liggen of perfect geregistreerd hoeven te zijn.

2. Methodologie: SpaMosaic

SpaMosaic is een computergestuurde tool die gebruikmaakt van contrastief leren en Graph Neural Networks (GNN's) om een modality-agnostische (modaliteits-onafhankelijke) latente ruimte te bouwen. De kerncomponenten zijn:

• Invoer: Mosaic kenmerk-matrices (spots/cellen) van meerdere secties met verschillende modaliteiten (bijv. RNA, ATAC, eiwitten, histonen) en bijbehorende ruimtelijke coördinaten.
• Voorbewerking:
  • Dimensiereductie (SVD) op hoogvariabele kenmerken per modaliteit.
  • Batch-correctie binnen modaliteiten (bijv. met Harmony of Seurat).
• Constructie van een Heterogeen Graaf:
  • Ruimtelijke randen: Verbindt naburige spots binnen dezelfde sectie op basis van Euclidische afstand.
  • Omics-gerelateerde randen: Verbindt spots tussen verschillende secties via Mutual Nearest Neighbors (MNN) in de batch-correcte latente ruimte.
  • Outlier-filtering: Gebruik van Isolation Forest om ruis in MNN-paren te verwijderen, vooral bij onbalans in sectiegrootte.
• Encodering met GNN:
  • Een Weighted Light Graph Convolution Network (LGCN) wordt gebruikt om de graaf te coderen. Dit netwerk weegt ruimtelijke nabijheid zwaarder dan omics-kenmerkgelijkenis om ruis te minimaliseren.
• Contrastief Leren:
  • Positieve paren: Embeddings van verschillende modaliteiten voor hetzelfde spot (in secties waar deze co-gemeten zijn).
  • Negatieve paren: Embeddings van verschillende spots binnen dezelfde sectie.
  • Het doel is om de afstand tussen positieve paren te minimaliseren (aligneren van modaliteiten) en de afstand tussen negatieve paren te maximaliseren (behoud van biologische variatie).
• Imputatie: Voor secties met ontbrekende modaliteiten worden waarden geïmputeerd op basis van de kenmerken van de dichtstbijzijnde buren in de gealigneerde latente ruimte (kNN-benadering).

3. Belangrijkste Bijdragen

1. Eerste tool voor ruimtelijke mosaic-integratie: SpaMosaic is specifiek ontworpen om zowel verticale (cross-modality) als horizontale (cross-batch) integratie aan te pakken in een ruimtelijke context.
2. Modality-agnostische Latente Ruimte: Het creëert een uniforme embedding die bruikbaar is voor downstream analyses zoals clusteridentificatie, ongeacht welke modaliteiten in een specifieke sectie aanwezig zijn.
3. Robuuste Imputatie: Het kan ontbrekende modaliteiten (bijv. histonemodificaties) nauwkeurig imputeren op basis van de correlaties die zijn geleerd uit de gedeelde modaliteiten (zoals RNA), zelfs zonder dat deze ooit samen zijn gemeten op dezelfde sectie.
4. Schaalbaarheid: De tool kan datasets verwerken met meer dan 100 secties en secties met meer dan 800.000 spots.

4. Resultaten

SpaMosaic werd uitgebreid gebenchmarkt tegen state-of-the-art methoden (zoals Cobolt, scMoMaT, MultiVI, CellCharter, BANKSY) op zowel gesimuleerde data als diverse experimentele datasets (muisembryo, muisbrein, tonsil, lymfeklier).

• Gesimuleerde Data: SpaMosaic overtrof alle andere methoden in het herstel van verborgen ruimtelijke factoren, het verminderen van ruis (lage PAS en CHAOS scores) en het effectief mengen van batches (hoge iLISI scores) terwijl de biologische structuur behouden bleef.
• Experimentele Data (Muisbrein & Embryo):
  • Ruimtelijke Domeinidentificatie: SpaMosaic identificeerde consistent meer en scherpere anatomische structuren (bijv. verschillende lagen van de cortex, subpallium, thalamus) die overeenkwamen met referentie-atlassen (Allen Brain Atlas), terwijl concurrerende methoden vaak ruis vertoonden of structuren samenvoegden.
  • Cross-technologie Integratie: Het slaagde erin datasets te integreren van verschillende technologieën (bijv. 10x Visium, Stereo-seq, Misar-seq, DBiT) met verschillende resoluties en sectiegroottes.
  • Ontwikkelingsstadia: Het kon data van verschillende embryonale stadia (E11 tot E18) verenigen, waarbij het subtiele ontwikkelingsverschillen vasthield terwijl batch-effecten werden verwijderd.
• Imputatie Validatie:
  • In een muisbreindataset werden ontbrekende histonemodificaties (H3K4me3, H3K27ac) geïmputeerd. De geïmputeerde data toonde sterkere en biologisch zinvolle correlaties met RNA-expressie dan de gemeten ATAC-data.
  • De geïmputeerde data onthulde regio-specifieke regulatorische links (bijv. genen gerelateerd aan oligodendrocytendifferentiatie en myelinisatie) die niet zichtbaar waren in de oorspronkelijke, beperkte datasets.

5. Betekenis en Toekomstperspectief

SpaMosaic biedt een veelzijdig raamwerk voor het bouwen van comprehensieve ruimtelijke multi-omics-atlassen uit heterogene, verspreide datasets. Het lost het probleem op dat onderzoekers vaak niet in staat zijn om alle gewenste 'omes' op één sectie te meten, door het mogelijk te maken om informatie uit verschillende bronnen en secties te combineren.

• Biologische Inzichten: Het stelt onderzoekers in staat om complexe interacties tussen transcriptoom, epigenoom en proteoom te ontrafelen zonder dat deze gelijktijdig gemeten hoeven te worden.
• Toekomstige Ontwikkeling: De auteurs plannen om de schaalbaarheid te verbeteren voor nog grotere datasets, continue leer (continual learning) te implementeren zodat nieuwe secties zonder hertraining kunnen worden toegevoegd, en H&E-afbeeldingen als extra modality te integreren voor nog nauwkeurigere celtype-identificatie.

Kortom, SpaMosaic is een doorbraak in de bio-informatica die de weg vrijmaakt voor het creëren van gedetailleerde, multimodale kaarten van weefselbiologie over verschillende organismen, tijdstippen en technologieën heen.