Scale-resolved correlation functions unify spatial omics across platforms and resolutions
Het artikel introduceert SCOTE, een schaalbaar computationeel framework dat ruimtelijke omics-analyse over diverse platforms en resoluties verenigt door ruimtelijke correlaties op alle lengteschalen te kwantificeren, waardoor biologische signalen worden onderscheiden van platformspecifieke artefacten en efficiënte, hoogdoorvoedende verwerking van massale datasets mogelijk wordt gemaakt.
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 probeert de lay-out van een bruisende stad te begrijpen. Je zou de mensen kunnen tellen die op elke straathoek staan, je zou ze in wijken kunnen groeperen, of je zou simpelweg kunnen noteren waar elke persoon zich op een specifiek moment bevindt. In het vakgebied van de ruimtelijke biologie doen wetenschappers iets soortgelijks, maar in plaats van een stad, brengen zij de binnenkant van levend weefsel in kaart. Jarenlang hebben onderzoekers verschillende instrumenten gebruikt om deze kaarten te maken. Sommige instrumenten werken als hogeresolutiecamera's, die foto's maken van individuele moleculen van genetisch materiaal die in cellen zweven. Anderen werken als een raster van emmers, die opvangen en tellen hoeveel moleculen er in elk vierkantje terechtkomen. Het probleem is dat deze instrumenten verschillende talen spreken. Een kaart gemaakt door de ene camera kan niet gemakkelijk worden vergeleken met een kaart gemaakt door een andere camera, of met een rastergebaseerde telling, omdat de methoden voor het analyseren van de data specifiek zijn gebouwd voor elk instrument. Dit heeft het moeilijk gemaakt om het grote plaatje te zien of om resultaten uit verschillende studies te combineren om universele waarheden te vinden over hoe weefsels zijn georganiseerd.
Een team van onderzoekers van het Gene Center München heeft een nieuwe manier ontwikkeld om naar deze kaarten te kijken die een enkele, gemeenschappelijke taal spreekt. Ze hebben een computationeel framework ontwikkeld genaamd SCOTE, wat staat voor Spatial COvariance TEnsors. In plaats van de data in vooraf gedefinieerde dozen te dwingen of te vertrouwen op imperfecte schattingen over waar celgrenzen liggen, meet deze methode hoe vaak twee soorten moleculen bij elkaar in de buurt verschijnen over elke mogelijke afstand. Het stelt een eenvoudige vraag: als je een molecuul van type A kiest, hoe waarschijnlijk is het dat je een molecuul van type B vindt op een afstand van één micrometer, tien micrometer of een millimeter verderop? Door deze relatie voor elk paar genen en op elke schaal te berekenen, van de grootte van een enkel molecuul tot de grootte van een heel orgaan, ontdekten de onderzoekers dat de onderliggende patronen van weefselorganisatie feitelijk hetzelfde zijn, ongeacht welke machine werd gebruikt om de data vast te leggen.
De kracht van deze aanpak ligt in het vermogen om de ruis die door de machines zelf wordt veroorzaakt, weg te filteren. Toen de onderzoekers kaarten van darmkankerweefsel vergeleken die waren gemaakt met twee verschillende hoogtechnologische platforms—één die individuele moleculen volgt en een andere die ze in kleine vierkantjes telt—vonden ze dat de patronen van geninteractie bijna identiek waren. De twee machines kwamen tot overeenstemming over de ruimtelijke relaties tussen genen met een correlatie van bijna 90 procent, een mate van overeenstemming die veel hoger was dan de verschillen tussen verschillende patiënten. Dit suggereert dat de biologische realiteit van hoe cellen zich arrangeren robuust is en consistent gemeten kan worden, mits de analysemethode juist is. De studie toonde ook aan dat de verschillen tussen de machines geen willekeurige fouten waren, maar beperkt waren tot specifieke, identificeerbare schalen. Zo had de ene machine moeite met het zien van moleculen die extreem dicht bij elkaar lagen, terwijl de andere signalen van zeldzame celtypen miste omdat deze vertrouwde op het eerst groeperen van moleculen in cellen. Door deze patronen direct te meten, kon de nieuwe methode deze machinespecifieke eigenaardigheden opsporen en behandelen als bekende kenmerken in plaats van verborgen biases.
Een van de meest opmerkelijke bevindingen was dat het kijken naar individuele moleculen biologische veranderingen aan het licht bracht die volledig onzichtbaar waren wanneer wetenschappers alleen naar hele cellen keken. In een studie naar muermilten onderzochten de onderzoekers een genetische verandering die de organisatie van immuuncellen verstoort. Wanneer ze de data analyseerden door de moleculen eerst in cellen te groeperen, leek de genetische verandering geen effect te hebben. Echter, toen ze naar de ruwe posities van de moleculen keken, kwam er een duidelijk signaal naar voren: de immuuncellen vermeden elkaar veel sterker in de genetisch veranderde muizen dan in de normale muizen. Deze subtiele verschuiving, die plaatsvond op een schaal kleiner dan een enkele cel, werd gemist door traditionele methoden die vertrouwen op celgrenzen. De nieuwe aanpak toonde aan dat het biologische signaal er de hele tijd al was, maar dat het verborgen was door de stap van het groeperen van moleculen in cellen, een stap die vaak fouten introduceert omdat moleculen van naburige cellen in elkaar kunnen overlappen.
De onderzoekers pakten ook de vraag aan hoeveel data er daadwerkelijk nodig is om een betrouwbaar antwoord te krijgen. Een algemeen aanvaarde aanname in het vakgebied is dat dieper sequensen—het vinden van meer moleculen in hetzelfde stuk weefsel—altijd tot betere resultaten zal leiden. De studie bewees dat dit niet noodzakelijkerwijs waar is. Ze ontdekten dat de precisie van de metingen veel meer afhangt van het totale oppervlak van het onderzochte weefsel en het aantal afzonderlijke weefselmonsters, dan van het loutere aantal moleculen dat in een enkel monster wordt geteld. Het verdubbelen van het aantal moleculen in een klein stukje weefsel verminderde de fout niet significant, terwijl het bekijken van een groter gebied of het toevoegen van meer monsters dat wel deed. Dit inzicht biedt een duidelijke leidraad voor toekomstige experimenten: om de organisatie van weefsel te begrijpen, is het beter om het budget te spreiden over meer weefseloppervlak en meer monsters, dan om te proberen elk enkel molecuul in een klein gebied te tellen.
Ten slotte toonden de onderzoekers aan dat deze methode snel genoeg is om de enorme hoeveelheden data te verwerken die door moderne technologie worden gegenereerd. Ze voerden de analyse uit op een enkele grafische kaart, een type computerchip dat vaak voor videogames wordt gebruikt, en verwerkten een sectie weefsel met meer dan een miljard moleculen in slechts 26 minuten. Deze snelheid maakt het mogelijk om volledige genomen over hele weefselsecties te analyseren, een taak die met oudere methoden weken of maanden in beslag zou hebben genomen. Het resultaat is een verenigd beeld van de ruimtelijke biologie waarbij data van verschillende machines, verschillende resoluties en verschillende patiënten direct met elkaar vergeleken kunnen worden. Door zich te richten op de relaties tussen moleculen over alle schalen heen, hebben de onderzoekers een manier geboden om de ware architectuur van levend weefsel te zien, waarbij het biologische signaal wordt gescheiden van de ruis van de instrumenten die worden gebruikt om het te meten.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.