STITCH links cellular morphology and gene expression in spatial transcriptomics

Stel je voor dat je naar een bruisende stad kijkt door een hightech raam waarmee je twee dingen tegelijk kunt zien: de vorm van elk gebouw (de cellen) en de blauwdrukken binnenin (de genen). Wetenschappers noemen dit "spatial transcriptomics". Het doel is om te begrijpen hoe het uiterlijk van een gebouw samenhangt met wat er binnenin gebeurt.

Er is echter een probleem met de instrumenten die wetenschappers tot nu toe hebben gebruikt. Denk aan het proberen te beoordelen de stijl van een huis door naar een foto te kijken, maar je camera is zo ver uitgezoomd dat hij het verschil niet kan zien tussen een piepklein, perfect gevormd huisje en een gigantisch, rommelig landhuis. Huidige computerprogramma's halen de grootte van de cel en de vorm van de cel door elkaar. Als een cel gewoon groot is, denkt de computer dat deze een andere "persoonlijkheid" heeft dan een kleine cel, zelfs als ze exact dezelfde vorm hebben.

Maak kennis met STITCH, een nieuwe methode ontwikkeld door de onderzoekers. Zo werkt het, met behulp van een eenvoudige analogie:

De "Alleen-Vorm" Filter

Stel je voor dat je een zak hebt met kleidieren van verschillende groottes. Sommige zijn piepkleine muisjes, andere zijn reusachtige olifanten, maar ze zijn allemaal gegoten in exact dezelfde "muisvorm".

• Oude methoden zouden zeggen: "De olifant is totaal anders dan de muis omdat hij enorm groot is."
• STITCH werkt als een magisch filter. Het negeert de grootte volledig en kijkt alleen naar de omtrek. Het gebruikt een speciale wiskundige truc (genaamd TPCA) om te zeggen: "Ah, dit is een muisvorm, ongeacht of hij klein of groot is." Dit stelt wetenschappers in staat om de ware "persoonlijkheid" van de celvorm te zien zonder te worden misleid door de grootte.

Wat STITCH ontdekte

De onderzoekers testten deze nieuwe "vormfilter" op echte biologische data en vonden enkele fascinerende verbanden:

1. Beter in het vinden van de "Architecten": Wanneer ze probeerden genen te vinden die de celvorm controleren (zoals een RNAi-screen), was STITCH veel beter in het opsporen van de juiste "architecten" dan oudere methoden. Het identificeerde succesvol de genen die, wanneer ze worden uitgeschakeld, de vorm van de cel daadwerkelijk veranderen.
2. Het in kaart brengen van de huidlagen: In een dataset van huidcellen (keratinocyten) bracht STITCH succesvol de verschillende lagen van de huid in kaart en merkte een geleidelijke gradiënt op in hoe rond of ovaal de celkernen waren. Een deep-learning benadering (de oude, door grootte verwarde methode) miste deze subtiele patronen.
3. De "Bodyguard" Fibroblasten: In melanoma-monsters (huidkanker) merkte STITCH op dat bepaalde helpercellen (fibroblasten) die lang en driehoekig zijn, de neiging hebben om vlak naast de kankercellen te hangen. Deze specifieke vormen waren gekoppeld aan een specifieke "functiebeschrijving" (transcriptioneel programma) binnen de cel, wat suggereert dat ze fungeerden als bewakers of bouwvakkers nabij de gevarenzone.
4. De "Rekbare" Kankercellen: In twee verschillende groepen melanoma-patiënten bevestigde STITCH onafhankelijk een bekende regel: kankercellen die zich gedragen als "mesenchymale" cellen (een type cel dat graag beweegt en migreert) zijn fysiek groter in oppervlakte. STITCH vond deze link uit zichzelf, wat bewees dat het werkt over verschillende patiënten en machines heen.

De Kern van het Verhaal

STITCH is als een nieuwe bril waarmee wetenschappers de ware vorm van cellen kunnen zien zonder afgeleid te worden door hun grootte. Door dit te doen, creëert het een heldere, begrijpelijke kaart die laat zien hoe het fysieke uiterlijk van een cel verbonden is met zijn genetische instructies. Dit helpt onderzoekers om het celgedrag te begrijpen over verschillende patiënten en verschillende soorten weefsels heen, terwijl de wiskunde simpel en interpreteerbaar blijft.