OT-knn: a neighborhood-aware optimal transport framework for aligning spatial transcriptomics data

De auteurs introduceren OT-knn, een robuust framework dat optimale transport koppelt aan lokale buurmaninformatie om ruimtelijke transcriptomics-data van verschillende weefsels, individuen en ontwikkelingsstadia nauwkeurig te aligneren ondanks ruis en geometrische vervormingen.

De kern

Stel je voor dat je twee verschillende foto's van dezelfde stad hebt, maar ze zijn op verschillende momenten gemaakt. Op de ene foto is de stad jong, op de andere ouder. Of misschien zijn de foto's van twee verschillende mensen genomen, en heeft de ene stad wat meer gebouwen dan de andere. Nu wil je weten: "Welk gebouw op de eerste foto staat precies tegenover welk gebouw op de tweede foto?"

Dit is precies wat wetenschappers proberen te doen met ruimtelijke transcriptomics. Het is een technologie die niet alleen meet welke genen (de bouwplannen van cellen) actief zijn, maar ook waar ze zich bevinden in weefsel. Het probleem is dat het vergelijken van deze "stadkaarten" heel lastig is. De weefsels kunnen vervormd zijn, de metingen kunnen ruis bevatten (alsof er een beetje mist op de foto staat), en biologische verschillen maken het moeilijk om de juiste plekken te vinden.

In dit artikel presenteren de auteurs OT-knn, een nieuwe slimme manier om deze kaarten met elkaar te matchen. Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het oude probleem: Kijken naar één persoon

Stel je voor dat je probeert twee mensen te vinden die op elkaar lijken in een drukke menigte. Als je alleen naar hun gezicht kijkt (hun "genenexpressie"), kan het misgaan. Misschien heeft iemand een bril op, of staat er een schaduw op hun gezicht, of is de foto wazig. Je denkt dan: "Die twee lijken niet op elkaar," terwijl ze dat wel zijn.

Vroegere methoden keken vooral naar dit ene gezicht (één plek in het weefsel) en probeerden die direct te koppelen aan een gezicht op de andere foto. Als de foto's vervormd waren of de mensen er anders uitzagen, faalde de methode.

2. De nieuwe oplossing: Kijk naar de hele groep (OT-knn)

OT-knn doet iets slimmers. In plaats van alleen naar één persoon te kijken, kijkt het naar iemand én al zijn buren.

• De Buurman-methode: Als je niet zeker bent wie die ene persoon is, kijk dan naar wie er om hem heen staat. Als je buren allemaal dezelfde kleding dragen en dezelfde houding hebben, weet je dat je op de juiste plek bent.
• In de praktijk: OT-knn neemt een punt in het weefsel en kijkt naar de 100 dichtstbijzijnde buren (de k-nearest neighbors). Het maakt een "gemiddeld profiel" van die hele groep. Hierdoor wordt het beeld veel rustiger en duidelijker. Ruis en kleine foutjes worden eruit gefilterd, net zoals je een wazige foto kunt scherper maken door te kijken naar het hele plaatje in plaats van alleen één pixel.

3. De slimme vertaler (Optimal Transport)

Nu hebben we voor elke plek in het weefsel een "buur-profiel". Hoe koppelen we deze aan de andere kaart?

De auteurs gebruiken een wiskundig concept dat Optimal Transport (Optimaal Transport) heet.

• De Analogie: Stel je hebt twee vrachtwagens vol met dozen (de cellen van weefsel A) en je moet ze verdelen over twee magazijnen (weefsel B). Je wilt de dozen zo efficiënt mogelijk verplaatsen zodat de kosten (de verschillen in uiterlijk) minimaal zijn.
• Het resultaat: De computer berekent niet alleen "dit is de beste match", maar geeft een kans aan. "Plek X heeft een 80% kans om hier te horen en een 20% kans om daar." Dit is heel belangrijk omdat biologie nooit 100% perfect is; het laat ruimte voor onzekerheid toe.

Waarom is dit zo goed?

De auteurs hebben OT-knn getest op verschillende moeilijke situaties:

1. Vervormde weefsels: Alsof je een foto hebt die uitgerekt of ingedrukt is. OT-knn slaagt hier nog steeds in, omdat het naar de structuur van de buurt kijkt, niet alleen naar de exacte coördinaten.
2. Verschillende mensen: Het vergelijken van hersenweefsel van verschillende muizen of mensen. Omdat biologische verschillen groot kunnen zijn, helpt het "buur-profiel" om de echte overeenkomsten te vinden, ondanks de verschillen.
3. Ontwikkeling: Het vergelijken van een embryo met een volwassen dier. Hier verandert alles: cellen veranderen van vorm en functie. OT-knn kan deze complexe veranderingen volgen en laat zien hoe een "jonge" cel zich ontwikkelt tot een "volwassen" cel.

Conclusie

OT-knn is als een supersterke detective die niet alleen naar één verdachte kijkt, maar naar de hele wijk. Door te kijken naar de context (de buren) en slimme wiskunde te gebruiken om de beste match te vinden, kan deze methode zelfs de meest rommelige en vervormde biologische kaarten met elkaar verbinden.

Dit helpt onderzoekers om beter te begrijpen hoe organen zich ontwikkelen, hoe ze verouderen en hoe ziektes het weefsel aantasten, omdat ze eindelijk betrouwbare vergelijkingen kunnen maken tussen verschillende monsters.

Technische samenvatting

Probleemstelling

Ruimtelijke transcriptomics (ST) technologieën maken het mogelijk om genexpressie te meten terwijl de ruimtelijke context in weefsels behouden blijft. Een centrale uitdaging in dit veld is het nauwkeurig aligneren (matchen) van datasets tussen verschillende weefselsneden, individuen, platforms of ontwikkelingsstadia. Bestaande methoden kampen met drie hoofdproblemen:

1. Sparsiteit en ruis: ST-data zijn inherent hoogdimensionaal en spars, wat de transcriptomische gelijkenis tussen corresponderende plekken (spots) verzwakt.
2. Biologische heterogeniteit: Variatie tussen individuen, veranderingen in celtypesamenstelling en ontwikkelingsprogressie kunnen anatomische correspondenties maskeren.
3. Geometrische vervorming: Technische factoren zoals weefselbereiding, snijden en handeling leiden tot niet-lineaire vervormingen, expansie of krimp, waardoor de aanname van een starre geometrie vaak niet opgaat.

Bestaande methoden zoals PASTE, DeST-OT en SLAT hebben moeite om robuust te presteren wanneer deze factoren (vooral vervorming en ruis) gelijktijdig optreden.

Methodologie: OT-knn

OT-knn is een nieuw computermethode die lokale ruimtelijke informatie integreert binnen een Optimal Transport (OT)-kader. In plaats van te vertrouwen op de expressie van een enkele plek, reconstrueert OT-knn het profiel van elke plek op basis van zijn ruimtelijke omgeving.

Het proces verloopt in de volgende stappen:

1. Preprocessing: De methode selecteert gedeelde, hoogvariabele genen tussen twee sneden, normaliseert de data, voert log-transformatie uit en reduceert de dimensionaliteit via PCA.
2. Herconstructie van micro-omgeving (kNN): Voor elke plek $i$ wordt een gewogen gemiddelde berekend van de expressieprofielen van zijn $k$-dichtstbijzijnde buren (k-nearest neighbors).
   • De gewichten ($w_{ij}$) zijn afhankelijk van de Euclidische afstand en nemen af naarmate de afstand toeneemt.
   • Dit creëert een "micro-omgeving-bewust" representatie die lokaal ruis dempt en biologisch betekenisvolle structuren benadrukt.
3. Optimal Transport (OT) Alignering: De gereconstrueerde profielen worden gealigneerd met behulp van de Earth Mover's Distance (EMD). Dit minimaliseert de "transportkosten" tussen de twee verdelingen.
   • Het resultaat is een probabilistische mapping-matrix ($T$) die de waarschijnlijkheid aangeeft dat een plek in snede 1 overeenkomt met een plek in snede 2.
   • Dit staat flexibele correspondentie toe (niet strikt één-op-één), maar één-op-één matches kunnen worden afgeleid door de hoogste waarschijnlijkheid te kiezen.

Belangrijkste Bijdragen

• Neighborhood-aware Representatie: De kerninnovatie is het gebruik van lokale ruimtelijke buren om expressieprofielen te stabiliseren voordat alignering plaatsvindt. Dit maakt de methode robuuster tegen technische ruis en biologische variabiliteit dan methoden die puur op individuele spots vertrouwen.
• Universele Toepasbaarheid: OT-knn is ontworpen om te werken met diverse ST-platforms, zowel sequentie-gebaseerd (zoals 10x Visium, Stereo-seq) als beeldvorming-gebaseerd (zoals MERFISH).
• Probabilistische Framework: Door OT te gebruiken, kan de methode omgaan met verschillen in snedegrootte en niet-lineaire vervormingen zonder de aanname van starre geometrie.

Resultaten

OT-knn werd geëvalueerd op gesimuleerde data en drie real-world datasets:

1. Gesimuleerde Data (Menselijke Darm):

   • Onder scenario's met ruimtelijke vervorming, genexpressie-variatie en een combinatie daarvan, presteerde OT-knn consistent beter dan PASTE, DeST-OT en SLAT.
   • PASTE faalde bij niet-lineaire vervorming (te afhankelijk van coördinaten), terwijl DeST-OT en SLAT gevoelig waren voor expressieruis. OT-knn behield hoge nauwkeurigheid in alle scenario's.

2. Menselijke DLPFC Data (10x Visium):

   • Bij het aligneren van sneden van de dorsolaterale prefrontale cortex (DLPFC) bereikte OT-knn de hoogste "best-matching accuracy" (correcte één-op-één matches) in 8 van de 9 vergelijkingen.
   • Het was bijzonder effectief bij het aligneren van sneden met grote anatomische verschillen (bijv. sneden gescheiden door 300 µm), waar andere methoden vaak faalden of veel fouten maakten bij de grenzen van corticale lagen.

3. Muizenhersenen Aging Data (MERFISH):

   • In een dataset met hoge resolutie en grote donor-heterogeniteit (verschillende muizen, verschillende leeftijden) presteerde OT-knn superieur, zowel binnen-als tussen-donors.
   • Het behield de domeinstructuur beter dan concurrenten, die vaak asymmetrische matches of veel niet-gealigneerde plekken opleverden.

4. Axolotl Hersenen Data (Stereo-seq - Ontwikkeling):

   • OT-knn slaagde erin sneden over verschillende ontwikkelingsstadia (embryonaal tot volwassen) te aligneren.
   • De methode onthulde biologisch plausibele overgangen, zoals de transitie van ependymogliale cellen (progenitors) naar neuronen, die consistent waren met bestaande biologische kennis. Andere methoden toonden soms onwaarschijnlijke matches tussen verschillende celtypes.

Berekeningskosten: OT-knn is computatie-efficiënt en convergerde snel op CPU's, in tegenstelling tot PASTE, dat in veel gevallen niet convergeerde.

Significantie

OT-knn biedt een krachtig en veelzijdig hulpmiddel voor de ruimtelijke transcriptomics-gemeenschap. Door lokale ruimtelijke context te integreren, overbrugt het de kloof tussen ruwe, noisy data en biologisch betekenisvolle alignering.

• Betrouwbaarheid: Het maakt betrouwbare vergelijkingen mogelijk tussen verschillende individuen, tijdstippen en technologieën, wat essentieel is voor het bestuderen van ontwikkeling, veroudering en ziekte.
• Biologische Inzicht: De methode levert niet alleen statistisch accurate matches, maar ook aligneringen die biologische overgangen en celtypesamenstellingen correct weergeven, zelfs onder uitdagende omstandigheden zoals sterke vervorming of grote biologische variatie.

Samenvattend positioneert OT-knn zich als een nieuwe state-of-the-art methode die de beperkingen van bestaande aligneringstechnieken overwint door een slimme combinatie van ruimtelijke nabijheid en optimal transport.