CROCHET: a versatile pipeline for automated analysis and visual atlas creation from single-cell spatialomic data

CROCHET is een modulaire, open-source en gebruiksvriendelijke analysepijplijn die de creatie van ruimtelijk opgeloste celatlassen mogelijk maakt en zo de toegankelijkheid van ruimtelijke 'omics'-data voor een brede gemeenschap vergroot.

De kern

Stel je voor dat je een enorm, levend stadje bekijkt: het menselijk weefsel. In dit stadje wonen miljarden kleine bewoners (cellen), elk met hun eigen beroep, humeur en vriendenkring. Vroeger konden wetenschappers alleen maar een foto maken van dit stadje en zeggen: "Hier wonen veel mensen." Maar ze zagen niet wie de mensen waren, wat ze deden, of wie met wie praatte.

Nieuwe technologieën (zoals 'ruimtelijke biologie') hebben nu camera's die zo scherp zijn, dat ze elk individu in dit stadje kunnen zien en zelfs kunnen horen wat ze zeggen. Maar hier zit een probleem: deze camera's maken zo veel foto's, met zo veel details, dat het voor een mens onmogelijk is om alle plaatjes te ordenen, te controleren op foutjes en de verhalen te begrijpen. Het is alsof je duizenden losse puzzelstukken krijgt zonder de doos met de afbeelding erop.

CROCHET is de oplossing. De naam staat voor ChaRacterization Of Cellular HEterogeneity in Tissues (Karakterisering van Cellulaire Diversiteit in Weefsels), maar je kunt het zien als een slimme, robotische meester-puzzelbouwer.

Hier is hoe CROCHET werkt, vertaald in alledaags taal:

1. De Opdrachtgever (De Data)

De wetenschappers krijgen een berg ruwe foto's van weefsels. Deze foto's zijn vaak wazig, hebben vlekken, of zijn gedeeltelijk verdwenen omdat het weefsel beschadigd raakt tijdens het onderzoek. Het is alsof je een oude, vuile foto van een feestje hebt, waar sommige gasten weg zijn en de belichting soms te fel is.

2. Meta-module 1: De Schoonmaak- en Sorteerrobot

CROCHET begint met het schoonmaken en ordenen van deze foto's.

• Focussen: Het kiest automatisch de scherpste foto uit een stapel wazige beelden.
• De puzzelstukken vinden: Het tekent een lijntje om elke individuele 'bewoner' (cel) heen. Het weet precies waar de kern zit en waar de buitenkant van de cel eindigt.
• Het stadje in kaart brengen: Het maakt een lijst van wie waar staat. "Hier staat een cell die lijkt op een soldaat, daar een die lijkt op een bouwvakker."

3. Meta-module 2: De Kwaliteitscontroleur

Nu de foto's scherp zijn, kijkt CROCHET of er valstrikken in zitten.

• Geestjes weghalen: Soms blijft er een beetje licht van een vorige foto hangen (zoals een geestje dat niet helemaal verdwenen is). CROCHET herkent deze 'geesten' en veegt ze weg, zodat ze niet voor verwarring zorgen.
• Beschadigingen repareren: Als een stukje van het weefsel is weggevallen tijdens het onderzoek, merkt CROCHET dat op en zegt: "Hier klopt iets niet, we tellen deze bewoners niet mee."
• Valse vrienden: Soms plakken de camera's per ongeluk aan verkeerde plekken. CROCHET herkent dit gedrag en verwijdert die valse signalen.

4. Meta-module 3: De Verteller en De Kaartmaker

Nu hebben we een schone, perfecte lijst van wie er is en waar ze staan. Nu komt het echte werk: de verhalen vertellen.

• De Rolverdeler: CROCHET helpt de wetenschappers om te beslissen: "Is dit een soldaat of een bouwvakker?" Het doet dit stap voor stap, alsof je een stamboom tekent.
• De Buurman-analyse (De nieuwe uitvinding): Dit is het meest creatieve deel. Normaal zeggen we: "Die twee cellen zitten naast elkaar." Maar CROCHET kijkt dieper. Het berekent een "Spatiale Verrijkingsscore".
  • De Analogie: Stel je voor dat je in een drukke markt staat. Je wilt weten of de bakkers (cel A) graag bij de bloemenverkopers (cel B) staan. CROCHET kijkt niet alleen of ze naast elkaar staan, maar ook hoe dicht ze bij elkaar zijn, hoe vaak ze elkaar zien, en of de bakkers zelf ook veel bloemen dragen. Het maakt een 'hittekaart' van wie met wie omgaat, zelfs als ze niet direct aan elkaar plakken.
• De Immunoprint (Het Politie-dossier): CROCHET kan een soort 'dossier' maken van het immuunsysteem. Het laat zien waar de 'politie' (immuuncellen) en de 'criminelen' (kankercellen) met elkaar praten. Dit helpt artsen om te zien welke patiënten wel of niet geholpen kunnen worden met een specifiek medicijn.
• 3D Reconstructie: Als je twee naast elkaar liggende plakjes weefsel hebt, kan CROCHET deze samenvoegen tot een 3D-gebouw. Het is alsof je twee lagen van een taart neemt en ze perfect op elkaar legt om te zien hoe het hele gebak eruitziet.

Waarom is dit belangrijk?

Vroeger moesten wetenschappers urenlang handmatig foto's bekijken en rekenen. CROCHET doet dit automatisch, snel en foutloos. Het maakt de complexe wereld van cellen begrijpelijk voor iedereen, van de beginnende student tot de ervaren arts.

Kort samengevat:
CROCHET is de slimme, digitale regisseur die van een chaotische berg foto's een heldere, interactieve film maakt over hoe cellen in ons lichaam met elkaar leven, vechten en samenwerken. Hierdoor kunnen we beter begrijpen hoe ziektes zoals kanker ontstaan en hoe we ze beter kunnen bestrijden.

Technische samenvatting

Titel: CROCHET: Een veelzijdige pijplijn voor geautomatiseerde analyse en creatie van visuele atlassen vanuit ruimtelijke single-cell 'omics'-data

1. Het Probleem

Ruimtelijke biologie-technologieën bieden een unieke kans om weefselsamenstelling te koppelen aan functie, met name bij complexe processen zoals kankerprogressie en immuunresponsen. Echter, de analyse van deze data staat voor aanzienlijke uitdagingen:

• Complexiteit: De data is uiterst complex en bevat informatie over miljoenen cellen in grote cohorten.
• Gebrek aan robuuste methoden: Er zijn beperkte analytische methoden beschikbaar voor rigoureuze kwaliteitscontrole (QC), nauwkeurige moleculaire kwantificering en uitgebreide downstream-analyses.
• Artifacts: In cyclische beeldvorming (zoals cycIF, CODEX) treden vaak problemen op zoals kunstmatige signalen (residu's van vorige kleuringen), niet-specifieke binding en weefselverlies door bleekingscycli.
• Interoperabiliteit: Bestaande tools zijn vaak niet modulair, moeilijk te integreren met nieuwe methoden, of bieden geen gestandaardiseerde visuele interface voor de bredere gemeenschap.

2. Methodologie: De CROCHET-pijplijn

CROCHET (ChaRacterization Of Cellular HEterogeneity in Tissues) is een end-to-end, open-source, modulaire pijplijn die ruwe multiplex-weefselbeelden omzet in een ruimtelijk opgeloste single-cell atlas. De pijplijn is ontworpen voor beeldgebaseerde proteomica (en ook transcriptomica zoals 10X Xenium) en bestaat uit drie hoofdmeta-modules:

Meta-module 1: Beeldverwerking, segmentatie en feature-extractie

• Standaardisatie: Gebruik van OME Bio-Formats om diverse bestandsformaten (bijv. CZI) te converteren naar TIFF.
• Focus-evaluatie: Een statistisch algoritme (gebaseerd op genormaliseerde variantie) selecteert automatisch de scherpste Z-secties.
• Registratie en Segmentatie:
  • Beelden worden geregistreerd door identieke kernen op elkaar te leggen.
  • Segmentatie: Gebruik van Mask R-CNN (of alternatief Cellpose) voor het detecteren van kernen en celgrenzen. Celdelen worden gesegmenteerd op basis van kernen en celoppervlaktemarkers (of geschat door uitbreiding van de kern).
• Feature-extractie: Extractie van subcellulaire eiwitintensiteiten (kern, membraan, cytoplasma), ruimtelijke coördinaten en morfologische descriptors.
• TMA-detectie: Gebruik van HDBSCAN-clustering om individuele weefselkernen (cores) in tissue microarrays (TMAs) te scheiden.

Meta-module 2: Kwaliteitscontrole (QC) en data-opschoning

• Detectie van weefselverlies: Vergelijking van kernkleuringintensiteit over cycli heen om cellen die door bleking zijn verdwenen of beschadigd, te identificeren en te verwijderen.
• Correctie van residu-signalen (Bleach correction): Een module die overgebleven fluorescentie van vorige cycli kwantificeert en corrigeert door het gemiddelde signaal van gebleekte beelden te gebruiken. Dit voorkomt dat kunstmatige signalen de volgende cyclus vervuilen.
• Filteren van niet-specifieke binding (NSB): Een algoritme dat signalen identificeert die consistent hoog zijn in opeenvolgende cycli (ongeacht de gebruikte antilichamen), wat wijst op niet-specifieke binding aan structuren zoals rode bloedcellen of afval. Deze signalen worden verwijderd.

Meta-module 3: Ruimtelijke atlasconstructie en analyse

• Visualisatie: Een interactieve interface gebouwd op Napari voor het visualiseren van celmaskers, expressieniveaus en celtypen.
• Celtyping: Een interactieve Flask-applicatie die hiërarchische gating-strategieën toepast om cellen te annoteren op basis van marker-expressie.
• Nieuwe Ruimtelijke Metriek (Spatial Enrichment Score):
  • In plaats van alleen dichtheid te meten, gebruikt CROCHET een gewichtige radiale verdelingsfunctie (RDF).
  • Deze score normaliseert ruimtelijke nabijheid op basis van lokale weefseldichtheid en marker-abondantie. Dit maakt vergelijkingen mogelijk tussen verschillende weefseltypen en zeldzame gebeurtenissen, ongeacht de totale expressie.
• Immunoprint: Een nieuw raamwerk om receptor-ligand interacties (bijv. PD1-PDL1) te kwantificeren op weefselinterfaces, vergelijkbaar met een 'oncoprint' maar dan voor ruimtelijke interacties.
• 3D-weefselreconstructie: Overlappende data van aangrenzende weefselstroken worden samengevoegd via Euclidische transformaties (rotatie en translatie) gebaseerd op celcoördinaten en dichtheidsprofielen.

3. Belangrijkste Bijdragen

1. End-to-End Automatisering: CROCHET automatiseert de volledige workflow van ruwe beelden tot een geannoteerde ruimtelijke atlas, inclusief complexe QC-stappen die vaak handmatig worden uitgevoerd.
2. Innovatieve Ruimtelijke Statistiek: De introductie van de Spatial Enrichment Score lost het probleem op van het vergelijken van ruimtelijke patronen in weefsels met verschillende cel dichtheden. Het is de eerste metriek die directe vergelijkingen tussen heterogene weefseltypen mogelijk maakt.
3. Geavanceerde Artifact-Correctie: De specifieke modules voor het detecteren en verwijderen van residu-signalen en niet-specifieke binding verbeteren de datakwaliteit aanzienlijk in cyclische beeldvorming.
4. Immunoprint: Een nieuwe methode om ruimtelijke interacties tussen immuuncheckpoint-receptoren en liganden te visualiseren en te kwantificeren voor precisie-immunotherapie.
5. 3D-Reconstructie: Mogelijkheid om 2D-slices te reconstrueren tot een continu 3D-weefselmodel.
6. Toegankelijkheid: De tool is volledig open-source, modulair (makkelijk uit te breiden met nieuwe methoden) en bevat een gebruiksvriendelijke, interactieve visuele interface.

4. Resultaten en Toepassing

• De pijplijn is getest op data van cyclische immunofluorescentie (CyCIF) experimenten op gastro-intestinale tumoren en TMA's.
• Validatie: De tool slaagt erin om duizenden cellen te segmenteren, celtypen nauwkeurig te annoteren en complexe ruimtelijke patronen te onthullen die met traditionele methoden gemist zouden worden.
• Voorbeeld: De studie toont aan hoe CROCHET ruimtelijke interacties tussen PD1 en PDL1 kan kwantificeren over verschillende patiënten heen, wat leidt tot het identificeren van specifieke "immunoprints" die relevant zijn voor immunotherapie.
• De tool kan ook worden gebruikt om ruimtelijke niches te identificeren via clustering (Louvain/Leiden) van ruimtelijke scores, waardoor subpopulaties van tumorcellen met unieke micro-omgevingen worden ontdekt.

5. Significatie

CROCHET vormt een belangrijke stap in de standaardisatie van de analyse van single-cell ruimtelijke 'omics'-data.

• Democratisering: Door een gebruiksvriendelijke, interactieve en open-source tool te bieden, wordt complexe ruimtelijke analyse toegankelijk voor een breder publiek van onderzoekers, niet alleen voor bio-informatici.
• AI-klaar: De geproduceerde gestandaardiseerde en vergelijkbare ruimtelijke scores zijn ideaal voor het trainen van Artificial Intelligence-modellen voor ruimtelijke biologie.
• Klinische Impact: De mogelijkheid om ruimtelijke interacties (zoals immuuncheckpoint-interacties) op celniveau te visualiseren en te kwantificeren, biedt directe inzichten voor het selecteren van patiënten voor gepersonaliseerde immunotherapieën.

Kortom, CROCHET vult een kritieke kloof in de huidige toolbox voor ruimtelijke biologie door een robuuste, geautomatiseerde en visueel rijke oplossing te bieden voor de analyse van complexe multiplex-beelddata.