SpaceBlocks: an expert-supervised workflow for cohort-level spatial transcriptomics analysis
SpaceBlocks is een reproduceerbare, door experts gesuperviseerde Snakemake-workflow die heterogene ruimtelijke transcriptomicsdata op single-cell resolutie over meerdere platformen heen homogeniseert om schaalbare cohort-niveau analyse mogelijk te maken, zoals aangetoond door het vermogen om nieuwe celtypen, marker-expressiepatronen en ziektegeassocieerde transcriptionele verschillen in diverse biologische datasets te identificeren.
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
Weefsel is geen uniforme soep van cellen; het is een gestructureerde stad waar locatie de functie bepaalt. Decennialang konden biologen de genetische instructies binnen een cel lezen, maar daarvoor moesten ze het weefsel tot een pasta vermalen, waardoor de kaart van waar elke cel woonde verloren ging. Een nieuwere technologie, genaamd ruimtelijke transcriptomica, lost dit op door de genetische code te lezen terwijl de cel in zijn oorspronkelijke buurt blijft. Dit stelt wetenschappers in staat om te zien hoe cellen met hun buren communiceren en zichzelf organiseren in functionele districten, vergelijkbaar met het begrijpen van een stad door te zien welke winkels, scholen en woningen naast elkaar liggen. Deze nieuwe manier van naar weefsel kijken brengt echter een complicatie met zich mee: verschillende machines die deze foto's maken, spreken verschillende talen. De ene machine kan gegevens in een formaat uitvoeren dat een andere machine niet kan lezen, en de softwaretools die worden gebruikt om ze te analyseren, werken vaak in isolatie. Wanneer onderzoekers proberen een grote groep patiënten samen te bestuderen — een cohort — worden ze geconfronteerd met een chaotische mix van bestandstypen en handmatige stappen die moeilijk te herhalen of te verifiëren zijn.
Om orde te brengen in deze complexiteit, heeft een team van onderzoekers een nieuwe digitale workflow gebouwd genaamd SpaceBlocks. Zie deze workflow als een universele vertaler en verkeersregelaar voor weefseldata. In plaats van elke onderzoeker zijn eigen aangepaste tools te laten bouwen voor elk nieuw experiment, biedt SpaceBlocks een enkel, gestandaardiseerd pad dat elke computer kan volgen. Het neemt de ruwe, rommelige output van verschillende hoogtechnologische microscopen en zet deze om in een schoon, gemeenschappelijk formaat dat alle downstream-analysetools kan begrijpen. Cruciaal is dat dit systeem niet probeert elke beslissing te automatiseren. De onderzoekers hebben het zo ontworpen dat het op sleutelmomenten pauzeert en om menselijke expertise vraagt, zoals bij het beslissen welke cellen gezond genoeg zijn om te behouden of hoe een groep cellen te labelen op basis van hun genetische profiel. Dit zorgt ervoor dat de uiteindelijke resultaten niet alleen de output zijn van een 'black-box' computerprogramma, maar een geverifieerd product van wetenschappelijk oordeel.
Het team testte dit systeem op een grote collectie weefselmonsters van drie verschillende typen geavanceerde microscopen, met in totaal 3ende 37 monsters uit publieke databases. Deze monsters bevatten weefsel van patiënten met multiple sclerose en van patiënten met colorectaal carcinoom (darmkanker). De workflow verwerkte ze allemaal succesvol, wat bewees dat het de verschillende bestandsformaten en de variërende groottes van de datasets kon aanpakken zonder vast te lopen. In één instantie waarbij meerdere sclerose betrokken was, hielp het systeem onderzoekers specifieke genetische patronen in verschillende delen van de hersenlaesies te identificeren die in eerdere analyses waren gemist. Het onthulde dat bepaalde genen actief waren in specifieke buurten van het weefsel, wat een duidelijker beeld gaf van hoe de ziekte verschillende gebieden beïnvloedt. In een andere test met monsters van colorectaal carcinoom hielp de workflow onderzoekers om drie verschillende soorten cellen te ontdekken die een eerder veelgebruikte analyse over het hoofd had gezien. Dit omvatte immuuncellen en zenuwachtige cellen die onopgemerkt in het tumorweefsel verborgen zaten.
Naast het vinden van nieuwe cellen, toonde het systeem aan hoe gezond weefsel tegen ziek weefsel kan worden vergeleken op een manier die rekening houdt met de unieke structuur van elk monster. Door cellen te groeperen in "pseudobulk"-profielen — in essentie het combineren van de genetische signalen van veel cellen in een specifiek gebied om een sterker, duidelijker signaal te krijgen — konden de onderzoekers precies aanwijzen welke genen aan of uit stonden in de ziektetoestand. Het systeem voerde deze complexe vergelijkingen automatisch uit zodra de menselijke experts de regels hadden ingesteld, waarbij gedetailleerde kaarten en grafieken werden gegenereerd die de verschillen tussen gezond en maligne weefsel lieten zien. De resultaten waren consistent over de verschillende machines heen, wat suggereert dat de workflow robuust genoeg is om door andere wetenschappers te worden gebruikt die grote groepen patiënten willen bestuderen zonder verloren te raken in technische details.
De onderzoekers benadrukken dat dit instrument geen vervanging is voor menselijk inzicht, maar een kader om dit te ondersteunen. Door de stappen van de analyse transparant en herhaalbaar te maken, stelt SpaceBlocks wetenschappers in staat om erop te vertrouwen dat hun bevindingen echt zijn en niet slechts een artefact van een specifieke softwareinstelling. Het systeem is gratis beschikbaar voor iedereen, en de code staat open voor anderen om te verbeteren of aan te passen voor nieuwe typen microscopen. In de toekomst plant het team om ondersteuning toe te voegen voor nog meer beeldtechnologieën en om de eerste stappen van het proces volledig open-source te maken, om de afhankelijkheid van propriëtaire software weg te nemen. Voor nu staat SpaceBlocks als een praktische oplossing voor een groeiend probleem in de biologie: hoe men de enorme, complexe en diverse data van de nieuwe generatie weefselkaart-machines begrijpelijk te maken, zodat het verhaal van het weefsel duidelijk en accuraat wordt verteld.
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.