CosMxScope: Scalable Reconstruction and Digital Pathology Integration of Imaging-Based Spatial Transcriptomics Data

Dit paper introduceert CosMxScope, een lichtgewicht open-source Python-framework dat de reconstructie van CosMx-spatiale transcriptomics-data mogelijk maakt en deze integreert met digitale pathologie-tools zoals QuPath voor interactieve analyse van celmorfologie en genexpressiepatronen.

De kern

🧬 CosMxScope: De "Google Maps" voor je cel-land

Stel je voor dat je een enorm, ingewikkeld landschap hebt: een stukje weefsel uit een mens of een muis. In dit landschap leven miljarden kleine huizen (cellen), en in elk huis wonen er duizenden kleine boodschappers (RNA-moleculen) die vertellen wat het huis doet.

Vroeger konden wetenschappers alleen maar de inhoud van deze huizen bekijken als ze ze allemaal uit elkaar haalden en in een blender deden. Ze wisten dan wat er in de huizen zat, maar niet waar ze stonden of hoe ze met elkaar omgingen.

Vandaag de dag hebben we een superkrachtige camera, de CosMx, die dit landschap kan fotograferen zonder het kapot te maken. Deze camera maakt duizenden kleine foto's (zoals een puzzel) van het weefsel en telt tegelijkertijd alle boodschappers in elke cel.

Maar hier zit het probleem:
Deze camera maakt een enorme hoeveelheid data. Het is alsof je een puzzel hebt met 10.000 stukjes, elk met een eigen lijstje met boodschappers. De software die bij de camera hoort (AtoMx) is geweldig voor de puzzel, maar de artsen en pathologen (de "landbouwers" die het landschap bestuderen) werken met andere kaarten en tools (zoals QuPath). De puzzelstukjes van de camera passen niet in de map van de landbouwers. Ze kunnen de foto's niet zien, de huizen niet aanwijzen en de boodschappers niet lokaliseren op hun eigen kaarten.

🛠️ De Oplossing: CosMxScope

Hier komt CosMxScope om de hoek kijken. Het is een gratis, slim computerprogramma (geschreven in Python) dat fungeert als een talenvertaler en een bouwkundige.

Het doet drie belangrijke dingen:

1. De Puzzel Leggen (Stitching):
   Stel je voor dat je duizenden kleine foto's van een landschap hebt. CosMxScope neemt al die losse stukjes en plakt ze naadloos aan elkaar tot één gigantische, scherpe kaart van het hele weefsel. Het doet dit zo slim dat het niet gekrast wordt, zelfs niet als de kaart heel groot is (net als Google Maps die inzoomt zonder dat je hele computer vastloopt).

2. De Vertaling (GeoJSON):
   De camera spreekt een eigen taal (coördinaten en polygonen). De artsen spreken de taal van hun software (QuPath). CosMxScope vertaalt de lijst met "wie woont waar" en "wat zeggen de boodschappers" naar een universele taal (GeoJSON).
   Vergelijking: Het is alsof je een brief in Chinees schrijft en CosMxScope deze direct omzet in Nederlands, zodat de ontvanger het direct kan lezen en in hun eigen agenda kan plakken.

3. De Verlichting (Visualisatie):
   Nu de kaart er is en de taal vertaald, kan CosMxScope de kaart "verlichten". Het kan laten zien waar bepaalde ziekte-cellen zitten of welke boodschappers actief zijn. Het maakt prachtige, kleurrijke kaarten waarop je kunt zien: "Kijk, hier in dit gebied van het weefsel zijn er veel boodschappers voor immuniteit, maar daar niet."

🏥 Waarom is dit belangrijk?

Voorheen was het voor artsen en onderzoekers heel moeilijk om deze nieuwe, super-detailed data te combineren met hun gewone microscopie-kaarten. Ze moesten vaak handmatig werken of konden de data niet goed bekijken.

Met CosMxScope kunnen ze nu:

• De nieuwe data direct in hun vertrouwde software (QuPath) laden.
• Interactief rondlopen over de kaart, inzoomen op een cel en zien wat die doet.
• Samenwerken: de computer doet het zware rekenwerk, en de expert (de patholoog) kan de kaart bekijken, annoteren en beslissingen nemen.

🚀 Conclusie

Kort samengevat: CosMxScope is de brug tussen de futuristische technologie van de CosMx-camera en de dagelijkse praktijk van de ziekenhuispatholoog. Het maakt het mogelijk om de complexe "taal" van de cellen te vertalen naar een visuele kaart die iedereen kan begrijpen, zodat we ziektes zoals kanker beter kunnen begrijpen en behandelen.

Het is als het hebben van een GPS-systeem voor je lichaam, waar je niet alleen de wegen ziet, maar ook precies kunt zien welke winkels (cellen) open zijn en welke producten (genen) ze verkopen.

Technische samenvatting

Probleemstelling

Ruimtelijke transcriptomics-technologieën, zoals het CosMx Spatial Molecular Imager (SMI) van NanoString, hebben de capaciteit om genexpressie te kwantificeren met subcellulaire resolutie binnen weefselcontext. Deze platformen genereren echter complexe datasets die bestaan uit:

• Afbeeldings-tegels (Field-of-View of FOV).
• Coördinaten van subcellulaire transcripten.
• Polygonen voor cel-segmentatie.

Hoewel deze data rijk is aan ruimtelijke informatie, zijn de exportbestanden niet direct compatibel met veelgebruikte digitale pathologie-tools (zoals QuPath). Er ontbreekt een brug tussen de ruwe CosMx-uitvoer en de bestaande workflows voor histopathologische visualisatie, annotatie en kwantitatieve analyse. Bestaande ruimtelijke 'omics'-frameworks (zoals Giotto, Seurat, Squidpy) bieden wel analysemogelijkheden, maar missen vaak de native interoperabiliteit met beeldanalyse-omgevingen die essentieel zijn voor pathologen.

Methodologie: CosMxScope

CosMxScope is een lichtgewicht, open-source Python-framework dat is ontworpen om de CosMx-uitvoer (via het AtoMx-platform) naadloos te integreren met digitale pathologie-omgevingen. Het framework bestaat uit drie kernfunctionaliteiten:

1. Reconstructie van Whole-Slide Images (WSI):

   • Het framework stikt individuele FOV-tegels (elk 4256 x 4256 pixels) samen tot één volledige afbeelding van het weefsel.
   • Het gebruikt de FOV-posities om de globale pixelcoördinaten te bepalen.
   • Schalbaarheid: Om geheugenproblemen te voorkomen bij grote datasets, worden er memory-mapped arrays gebruikt. Tegels worden geladen en geplaatst in parallelle batches (met behulp van joblib).
   • Output: Een volledige resolutie-afbeelding, een verlaagde resolutie-overzicht (downsampled met factor 20), en een CSV-bestand met de nieuwe coördinaten van de FOV's.

2. Constructie van GeoJSON voor Ruimtelijke Data:

   • Celsegmentatie-polygonen en transcript-coördinaten worden omgezet naar het gestandaardiseerde GeoJSON-formaat, specifiek compatibel met QuPath (v0.5).
   • Lokale FOV-coördinaten worden getransformeerd naar de globale gestikte beeldruimte door de post-stitch positietafel te koppelen.
   • Efficiëntie: Voor de enorme transcriptietabellen (vaak miljoenen rijen) wordt Polars gebruikt voor lazy query execution. Dit zorgt voor efficiënte join-bewerkingen en coördinatentransformaties zonder het geheugen te vullen, voordat de resultaten worden gematerialiseerd.
   • Output: Een GeoJSON FeatureCollection met celobjecten (inclusief eigenschappen zoals celtype) en transcriptiepunten.

3. Visualisatie van Ruimtelijke Genexpressie:

   • Ruimtelijke patronen worden weergegeven op de gereconstrueerde afbeeldingen.
   • Weefselgebieden worden gedetecteerd via Gaussische vervaging en Otsu-drempelwaarden.
   • Transcripties worden weergegeven als stippen (scatter plots) voor specifieke genen of meerdere genen tegelijk.
   • Expressie kan worden samengevat op celniveau (continue kleurenschaal) of op FOV-niveau (gemiddelde expressie per tegel, weergegeven als gekleurde tegels).

Belangrijkste Bijdragen

• Brug tussen disciplines: CosMxScope lost het probleem op van data-isolatie door CosMx-data direct compatibel te maken met digitale pathologie-software (QuPath).
• Interactieve workflow: Het stelt pathologen in staat om celgrenzen en transcriptie-data interactief te bekijken, te annoteren en te verfijnen in de context van de weefselmorfologie. Dit is een "human-in-the-loop" aanpak die eerder ontbrak voor CosMx-data.
• Schalbare architectuur: Door het gebruik van memory-mapping, parallelle verwerking en lazy evaluation (Polars), kan het framework grote datasets verwerken zonder zware hardware-eisen.
• Open standaarden: De output (GeoJSON en CSV) is open en gestandaardiseerd, wat interoperabiliteit met andere downstream-analysetools garandeert.

Resultaten

• Het framework is succesvol toegepast in meerdere lopende onderzoeksprojecten met menselijke en muizenweefsels, variërend van pre-maligniteit tot immunotherapie-biomarkers.
• Twee voorbeeldnotebooks zijn beschikbaar: één met synthetische data om de stitch-functie te demonstreren, en één met representatieve testdata voor de volledige workflow.
• De GeoJSON-bestanden kunnen direct worden geïmporteerd in QuPath als annotatielagen, waardoor pathologen celsegmentaties en ruimtelijke genexpressiepatronen kunnen overlappen met histologische beelden.
• Dit heeft geleid tot een verbeterde integratie van moleculaire observaties met morfologische beoordeling, wat essentieel is voor het verfijnen van cel- en weefselannotaties.

Betekenis en Toekomstperspectief

CosMxScope vult een cruciale, praktische kloof in het ecosysteem van ruimtelijke transcriptomics. Het stelt onderzoekers in staat om complexe moleculaire data te interpreteren binnen de context van de weefselarchitectuur, wat essentieel is voor translationeel onderzoek.

Beperkingen:

• Het is momenteel specifiek ontworpen voor CosMx-data via AtoMx (afhankelijk van specifieke bestandsstructuren).
• Visualisatie gebeurt voornamelijk op een verlaagde resolutie, wat in sommige gevallen subcellulaire details kan maskeren.
• Sommige parameters (zoals FOV-tegelafmetingen) zijn momenteel hard-coded.

Toekomst:
De ontwikkeling richt zich op het uitbreiden van de platformcompatibiliteit, het toevoegen van een command-line interface (CLI), en het ontwikkelen van interactieve web-based visualisatiemodules. Door CosMxScope te integreren met opkomende multimodale frameworks, kan de eenheid van analyse tussen transcriptomics, proteomics en beeldvorming verder worden verbeterd.

Kortom, CosMxScope is een noodzakelijke tool om de potentie van ruimtelijke transcriptomics volledig te benutten in de klinische en translationele pathologie.