💻 bioinformatics

Statistical tests for bivariate spatial association across multi-omics data with disjoint coordinates

Dit artikel introduceert het R-pakket `sbivar`, dat een reeks aangepaste statistische toetsen en variantieschatters biedt om bivariante ruimtelijke associaties tussen multi-omics modaliteiten met disjuncte coördinaten rigoureus te beoordelen, terwijl er op de juiste wijze rekening wordt gehouden met ruimtelijke autocorrelatie en computationele uitdagingen in hoge dimensies.

Oorspronkelijke auteurs: Hawinkel, S., Hu, W., Velten, B., Maere, S.

Gepubliceerd 2026-07-23

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Hawinkel, S., Hu, W., Velten, B., Maere, S.

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

Stel je voor dat je een detective bent die een mysterie probeert op te lossen binnen een levende stad. Deze stad is een stuk biologisch weefsel, en de "burgers" zijn moleculen zoals genen en metabolieten. In het verleden konden wetenschappers alleen een wazige foto van de hele stad maken of een kleine, hoogresolutiefoto van slechts één straathoek. Maar nu hebben we superkrachtige microscopen die precies in kaart kunnen brengen waar verschillende soorten moleculen binnen het weefsel leven. De grote vraag is: houden bepaalde moleculen ervan om samen te hangen? Als een specifiek gen en een specifieke chemische stof in dezelfde buurt worden gevonden, werken ze misschien samen aan een geheim project, zoals het bouwen van een celwand of het bestrijden van een infectie. Het vinden van deze "vriendenparen" helpt ons te begrijpen hoe het leven werkt, hoe ziekten ontstaan en hoe we ze kunnen genezen.

Er zit echter een addertje onder het gras. De verschillende microscopen die worden gebruikt om deze moleculen in kaart te brengen, hebben vaak verschillende resoluties. De ene kan een foto maken met piepkleine, pixel-perfecte puntjes, terwijl de andere een foto maakt met iets grotere, vage puntjes. Zelfs als je de twee foto's perfect uitlijnt, landen de puntjes van de ene foto zelden precies bovenop de puntjes van de andere. Het is alsof je probeert een raster van kleine LEGO-steentjes te matchen met een raster van iets grotere Jenga-blokken; ze sluiten simpelweg niet één-op-één aan. Bovendien zijn moleculen in de biologie niet willekeurig verspreid zoals knikkers op een vloer; ze hebben de neiging om samen te klonteren in patronen, een fenomeen dat wetenschappers ruimtelijke autocorrelatie noemen. Als je deze klontjes en de mismatchende rasters negeert, kan je wiskunde erg in de war raken, waardoor je denkt dat twee moleculen beste vrienden zijn terwijl ze eigenlijk vreemden zijn die toevallig in hetzelfde algemene gebied zijn terechtgekomen.

Hier komt de nieuwe paper met een frisse set hulpmiddelen om de hoek kijken. De auteurs, Stijn Hawinkel en zijn team, realiseerden zich dat veel bestaande methoden voor het vinden van deze moleculaire vriendenparen de verkeerde wiskunde gebruikten. Ze behandelden de data alsof de moleculen willekeurig verspreid en perfect uitgelijnd waren, wat leidde tot veel valse alarmen—het vinden van "vriendschappen" die eigenlijk niet bestonden. Het team betoogt dat je een methode nodig hebt die met mismatchende rasters (disjoint coordinates) kan omgaan en nog steeds rekening houdt met de natuurlijke klontering van moleculen.

Om dit op te lossen, hebben ze een nieuwe softwarepackage ontwikkeld genaamd sbivar (die je kunt vinden op GitHub). Ze hebben niet zomaar één nieuwe truc uitgevonden; ze hebben drie verschillende statistische benaderingen aangepast om te werken op deze rommelige, mismatchende kaarten:

De "Buurtwacht" (Bivariate Moran's I): Stel je voor dat je controleert of twee soorten mensen in dezelfde buurt rondhangen. In plaats van te eisen dat ze op exact dezelfde plek staan, kijkt deze methode naar hoe dicht ze bij elkaar staan. De auteurs hebben deze oude methode aangepast om de kans te berekenen dat ze bij elkaar zijn, terwijl er rekening wordt gehouden met het feit dat mensen van nature klonteren. Ze hebben een nieuwe manier gecreëerd om de "ruis" in de data te meten, zodat ze niet worden gefopt door de klontering.
De "Gladde Kaart" (Generalized Additive Models of GAMs): Deze methode is als het trekken van een gladde, golvende deken over de datapunten om het grote plaatje te zien. Het creëert een glad oppervlak voor elk type molecuul op basis van waar ze zich bevinden, zelfs als de puntjes op verschillende rasters liggen. Vervolgens vergelijkt het de twee gladde dekens om te zien of ze op dezelfde plaatsen stijgen en dalen. Het team heeft uitgezocht hoe ze de onzekerheid van deze dekens kunnen meten, zodat ze weten of de match echt is of slechts een toevalstreffer.
De "Afstandsdetective" (Bivariate Gaussian Processes): Dit is een complexer wiskundig model dat het weefsel behandelt als een continu veld waarbij de relatie tussen moleculen verandert op basis van afstand. Het is zeer krachtig, maar kan traag zijn voor een computer om uit te voeren.

Het team heeft deze nieuwe tools getest met behulp van computersimulaties. Ze maakten neppe weefselkaarten met bekende patronen—sommige waar moleculen echte vrienden waren, en andere waar ze slechts willekeurige buren waren. Ze ontdekten dat de oude methoden vaak "Vriendschap!" riepen wanneer dat er niet was, vooral wanneer de moleculen een natuurlijke klontering vertoonden. In contrast hiermee waren hun nieuwe methoden (vooral de Buurtwacht en de Gladde Kaart) veel beter in het stil blijven wanneer er geen vriendschap was en het roepen van "Vriendschap!" alleen wanneer het echt was. Ze toonden ook aan dat deze nieuwe tools goed werken, zelfs wanneer de kaarten licht misuitgelijnd zijn, wat vaak gebeurt in echte experimenten.

Ten slotte hebben ze hun nieuwe tools toegepast op echte data van menselijke long- en borstkankercellen en muizenbrein-monsters. Ze ontdekten enkele opwindende paren. Zo ontdekten ze in een longkankercel een groep genen genaamd Kallikreins die samenhingen met een specifiek vetmolecuul genaamd PI 34:1. Dit is biologisch gezien logisch, omdat beide betrokken zijn bij een belangrijke signaalroute die cellen gebruiken om te communiceren. In de muizenhersenen vonden ze een gen (CSRP1) en een vetmolecuul (palmitoyl-L-carnitine) die buren waren in het striatum van de hersenen. Dit paar wijst op hoe hersencellen en hun ondersteunende cellen (astrocyten) mogelijk van energiebronnen wisselen.

Het paper beweert niet dat het elk mysterie in de biologie heeft opgelost, en de auteurs geven toe dat sommige van hun tools trager zijn dan andere. Echter, ze hebben een veel betrouwbaardere manier geboden om deze moleculaire verbindingen te vinden zonder in de val te lopen van de rommelige aard van echte-wereld data. Door de wiskunde te repareren, hopen ze dat wetenschappers nu hun bevindingen over welke moleculen echt samenwerken kunnen vertrouwen, wat leidt tot betere inzichten in hoe ons lichaam functioneert en hoe ziekten zoals kanker gestopt kunnen worden.

Technische Samenvatting: Statistische toetsen voor bivariate ruimtelijke associatie over multi-omics data met disjuncte coördinaten

Probleemstelling

De opkomst van multimodale ruimtelijke omics heeft de meting van meerdere hoogdimensionele datatypen (bijv. transcriptomics en metabolomics) op opeenvolgende weefselsneden of co-geanalyseerd op dezelfde snede mogelijk gemaakt. Een primair doel is het detecteren van statistische associaties tussen kenmerken van verschillende modaliteiten om biologische processen te verklaren. Echter, huidige analytische kaders worden geconfronteerd met drie kritieke uitdagingen:

Disjuncte coördinatensets: Vanwege verschillen in ruimtelijke resolutie en meetgebieden tussen technologieën (bijv. 10x Genomics Visium vs. MALDI-MSI), is er zelfs na beelduitlijning geen één-op-één mapping tussen meetpunten. Bijgevolg zijn standaard statistische grootheden zoals gezamenlijke verdelingen en Pearson-correlaties ongedefinieerd.
Informatieverlies in huidige praktijken: De heersende oplossing is het aggregeren van hoog-resolutie punten om overeen te komen met de lagere resolutie van de andere modaliteit. Deze "granulatie" verwerpt ruimtelijke informatie en faalt in het benutten van de volledige resolutie van de data.
Ongeldige nulhypothesen en aannames: Veel bestaande bivariate associatietoetsen (bijv. standaard Pearson-correlatie, naïeve permutatietoetsen, of bepaalde versies van bivariate Moran's I) gaan impliciet uit van onafhankelijke en identiek verdeelde (i.i.d.) waarnemingen of uitwisselbaarheid. Deze aannames worden geschonden in ruimtelijke omics-data door inherente ruimtelijke autocorrelatie (SAC). Hierdoor testen deze methoden vaak een "randomisatie-nulhypothese" (afwezigheid van SAC in elke variabele) in plaats van de "onafhankelijkheids-nulhypothese" (afwezigheid van associatie tussen variabelen gegeven SAC). Dit leidt tot opgeblazen Type I-foutpercentages en misleidende conclusies waarbij univariate ruimtelijke patronen worden verward met bivariate associaties.

Methodologie

De auteurs stellen een reeks schaalbare statistische toetsen voor die direct kunnen opereren op disjuncte coördinatensets en expliciet rekening houden met SAC in beide variabelen. De methoden zijn geïmplementeerd in het R-pakket sbivar.

1. Bivariate Moran's I onder de onafhankelijkheids-nulhypothese

Concept: Een generalisatie van bivariate Moran's I ( $I_{xy} = x^T W y$ ) naar disjuncte coördinaten met behulp van een gewichtsmatrix $W$ waarbij de elementen $w_{ij}$ afnemen met de afstand tussen punt $i$ van modaliteit X en punt $j$ van modaliteit Y.
Variatieraming: In tegenstelling tot eerdere benaderingen die uitgaan van i.i.d.-waarnemingen, leiden de auteurs een analytische variateramingsschatter af die SAC incorporeert. De variantie wordt berekend als $\text{Var}(I_{xy}) = \text{tr}(W^T \hat{\Sigma}_x W \hat{\Sigma}_y)$ , waarbij $\hat{\Sigma}_x$ en $\hat{\Sigma}_y$ geschatte autocorrelatiematrices zijn afgeleid van variogrammodellen (bijv. Matheron's estimator).
Toetsing: De toetsingsstatistiek wordt verondersteld asymptotisch standaardnormaal te zijn. Om verschillende ruimtelijke patronen te detecteren, worden meerdere gewichtsmatrices (met verschillende vervalparameters) getest, waarbij de p-waarden worden gecombineerd met de Cauchy-combinatietoets voor afhankelijke p-waarden.

2. Bivariate Gaussische Processen (GPs)

Concept: Modelleert de geconcateneerde vector van waarnemingen uit beide modaliteiten ( $z$ $z$ ) met een multivariate normale verdeling. De covariantie-matrix $\Sigma$ $Σ$ wordt gedecomposeerd in:
- Onafhankelijke ruis.
- Univariante SAC binnen elke modaliteit ( $\Sigma_{SAC}$ ).
- Bivariate ruimtelijke covariantie ( $\Sigma_{biv}$ ) die de associatie van belang vertegenwoordigt.
Toetsing: Er wordt een scoretest gebruikt om de nulhypothese te testen dat de variantiecomponent van de bivariate associatie ( $\tau$ ) nul is. Om de grens van de parameterruimte te hanteren, wordt een scoretest bij voorkeur gebruikt boven Wald- of likelihood ratio-testen. De methode test voor zowel positieve als negatieve associaties en combineert p-waarden over een reeks lengteschalen ( $l_{xy}$ ) met de Cauchy-combinatietoets.

3. Generalized Additive Models (GAMs)

Concept: Modelleert de ruimtelijke patronen van elke modaliteit als gladde functies van de ruimte met behulp van 2D thin-plate smoothing splines ( $s_x(c_i)$ en $s_y(e_j)$ ).
Afhandeling van disjunctheid: De gefitte spline-oppervlakken worden geëvalueerd op een gemeenschappelijk, gelijkmatig verdeeld rooster binnen de concave hull van de data. De covariantie en correlatie tussen deze geëvalueerde oppervlakken worden berekend.
Variateraming: Omdat spline-evaluaties afhankelijk zijn, zijn standaard varianteformules ongeldig. De auteurs gebruiken de delta-methode om de onzekerheid van de spline-coëfficiënten te propageren naar de correlatieschatting, wat een geldige z-test mogelijk maakt.
Extensies: Het framework ondersteunt verschillende uitkomstverdelingen (bijv. negatief binomial voor transcriptomics, gamma voor metabolomics) en kan worden uitgebreid naar Generalized Additive Mixed Models (GAMMs) om residuele SAC te verklaren.

4. Multi-image analyse

Voor gerepliceerde experimenten (meerdere weefselsneden) stellen de auteurs een pragmatische aanpak voor: bereken een associatiemaat (bijv. Moran's I of spline-correlatie) voor elke afbeelding afzonderlijk, en voer deze vervolgens in een lineair model dat rekening houdt met het experimentele ontwerp. Deze aanpak kwantificeert de variabiliteit tussen replica's in plaats van binnen een enkele afbeelding, waardoor SAC-geïnduceerde variabiliteit natuurlijk wordt geabsorbeerd.

Belangrijkste Bijdragen

Theoretische Vooruitgang: Het artikel herdefinieert de nulhypothese voor bivariate ruimtelijke associatie, waarbij onderscheid wordt gemaakt tussen de "randomisatie-nulhypothese" (geen SAC) en de "onafhankelijkheids-nulhypothese" (geen associatie gegeven SAC). Het biedt analytische variateramingsschatters voor bivariate Moran's I en GAMs die correct rekening houden met SAC in disjuncte coördinatensets.
Methodologische Innovatie: Het introduceert drie schaalbare methoden (Bivariate Moran's I, Bivariate GPs, GAMs) die geen punt-matching of data-aggregatie vereisen, waardoor de ruimtelijke resolutie behouden blijft.
Software Implementatie: De ontwikkeling van het sbivar R-pakket, dat een uniforme interface biedt voor deze toetsen, inclusief ondersteuning voor single-section en multi-section analyses.

Resultaten

Simulatiestudies:

Controle van Type I-fout: Nonparametrische en parametrische simulaties laten zien dat veel bestaande methoden (inclusclusief standaard Pearson-correlatie, bivariate Geary's C en naïeve permutatietoetsen) lijden onder opgeblazen Type I-foutpercentages wanneer SAC aanwezig is in één of beide variabelen. In contrast hiermee controleren de voorgestelde methoden (Bivariate Moran's I met onafhankelijkheids-nulhypothese, Bivariate GPs en GAMs) de Type I-foutpercentages succesvol.
Power (Vermogen): De nieuwe methoden vertonen over het algemeen een goed vermogen om diverse bivariate patronen (bijv. "strepen", "zones" en Gaussische proces-afhankelijkheden) te detecteren. Hoewel Bivariate GPs en GAMs computationeel intensief zijn, bieden Bivariate Moran's I en GAMs een gunstige balans tussen snelheid en vermogen.
Robuustheid: De methoden behouden controle over de Type I-fout, zelfs in de aanwezigheid van uitlijnfouten, hoewel het vermogen afneemt naarmate de distortie toeneemt.

Echte Data Applicaties:

Godfrey Data (Menselijke Long/Borstkanker): Toegepast op co-geanalyseerde transcriptomics en metabolomics. De nieuwe methoden identificeerden significante gen-metaboliet paren die werden gemist door de oorspronkelijke correlatiegebaseerde analyse (die een vaste drempelwaarde gebruikte). Opvallend genoeg werd een positieve associatie gevonden tussen Kallikrein transcripten (KLK10-13) en de metaboliet PI 34:1 in longkanker, wat hen koppelt aan de PI3K/AKT-signaleringsroute.
Vicari Data (Muisbrein): Toegepast op Parkinson-ziektemodellen. De analyse bevestigde sommige eerdere bevindingen, maar onthulde ook nieuwe associaties, zoals een positieve link tussen CSRP1 transcripten en palmitoyl-L-carnitine in de striatum, wat consistent is met bekende astrocyten-neuron lipidenoverdrachtmechanismen.

Betekenis en Claims

De auteurs stellen dat hun werk een kritieke kloof in de ruimtelijke multi-omics analyse dicht door statistisch geldige instrumenten te bieden voor het detecteren van bivariate associaties over disjuncte coördinatensets. Zij betogen dat het negeren van SAC leidt tot valse ontdekkingen en dat het aggregeren van data om coördinaten-matching af te dwingen resulteert in onnodig informatieverlies.

Het artikel positioneert de bijdragen bescheiden als een noodzakelijke correctie op bestaande praktijken:

Het biedt de eerste suite van tests die expliciet rekening houden met SAC terwijl ze de onafhankelijkheids-nulhypothese testen op disjuncte coördinaten.
Het biedt een praktisch kader voor het analyseren van gerepliceerde ruimtelijke experimenten zonder dat daarvoor prohibitief complexe single-model fitting nodig is.
Het benadrukt dat geldige inferentie vereist dat de schatting van univariate ruimtelijke structuren wordt gescheiden van het testen van bivariate associaties.

De auteurs concluderen dat hoewel geen enkele methode perfect is (bijv. GAMs kunnen moeite hebben met kort-bereik SAC als residuele autocorrelatie niet gemodelleerd wordt, en GPs zijn computationeel zwaar), de combinatie van Bivariate Moran's I en GAMs, potentieel bevestigd door GAMMs, een robuuste strategie biedt voor het ontsluiten van biologisch betekenisvolle ruimtelijke colokalisatie.