A robust, scalable K-statistic for quantifying immune cell clustering in spatial proteomics data

Resumo Técnico: Um Estatístico K Robusto e Escalável para Quantificar o Agrupamento de Células Imunes em Dados de Proteômica Espacial

Definição do Problema
As tecnologias de proteômica espacial permitem a medição da abundância de proteínas e da localização de células dentro de amostras de tecido, preservando o contexto espacial. Uma abordagem comum para analisar esses dados é a função $K$ de Ripley, uma métrica usada para quantificar se as células estão agrupadas espacialmente ou dispersas aleatoriamente. As aplicações padrão da função $K$ de Ripley baseiam-se na suposição de Aleatoriedade Espacial Completa (CSR, do inglês Complete Spatial Randomness), onde o número esperado de células em qualquer subconjunto é consistente em toda a amostra, resultando em um valor nulo teórico de $K_0(r) = \pi r^2$.

No entanto, os dados de proteômica espacial frequentemente violam essa suposição de homogeneidade devido a fatores biológicos (ex: arquitetura tecidual) e artefatos técnicos (ex: degradação do tecido, rasgos ou adesão incompleta da lâmina ao scanner durante a imagem). Quando o $K$ de Ripley padrão é aplicado a dados heterogêneos, ocorre uma superestimação do agrupamento espacial e da colocalização. Esse viés pode distorcer análises subsequentes, como a vinculação de interações celulares à sobrevivência do paciente, ao confundir artefatos técnicos com sinais biológicos. Métodos existentes para abordar a heterogeneidade, como adaptações heterogêneas da função $K$ de Ripley ou nulos empíricos baseados em permutação, sofrem de limitações: os primeiros podem introduzir viés ao ignorar informações de células de fundo (background), enquanto os últimos tornam-se computacionalmente proibitivos para grandes conjuntos de dados (frequentemente contendo >10.000 células por amostra) e introduzem erro de amostragem ao serem aproximados via métodos de Monte Carlo.

Metodologia: KAMP
Os autores propõem o KAMP (K adjustment by Analytical Moments of the Permutation distribution), um novo método projetado para quantificar a organização espacial de forma robusta contra a heterogeneidade, mantendo a escalabilidade computacional.

1. Hipótese Nula e Estrutura de Permutação:
   O KAMP adota uma hipótesa nula ($H_0$) de "intensidade proporcional", postulando que a intensidade espacial das células imunes é proporcional à das células de fundo ($\lambda_m(u) \propto \lambda_{n-m}(u)$). Sob esta hipótese, as células imunes são distribuídas como um subconjunto aleatório da população celular total. O método constrói um benchmark nulo empírico considerando todas as permutações possíveis de rótulos celulares (imune vs. fundo) enquanto mantém as localizações celulares fixas.

2. Momentos Analíticos:
   Em vez de realizar permutações computacionalmente caras, o KAMP deriva expressões analíticas de forma fechada para os primeiros e segundos momentos (média e variância) da distribuição de permutação de Ripley's $K$.

   • Expectativa: Mostra-se que o valor esperado sob a permutação nula, $E(K_s(r))$, é equivalente ao $K$ de Ripley univariado calculado usando todas as células na amostra (imunes e de fundo combinadas). Isso permite que softwares existentes computem o nulo empírico diretamente.
   • Variância: Os autores derivam uma fórmula combinatória complexa para a variância, $Var(K_s(r))$, que contabiliza interações de pares e de ordens superiores dentro da distribuição de permutação.
   • Normalidade Assintótica: O Teorema 2.4 estabelece que o estatístico de teste $Z_{K_s(r)} = (\hat{K}_s(r) - E(K_s(r))) / \sqrt{Var(K_s(r))}$ converge para uma distribuição normal padrão sob a permutação nula conforme o número de células aumenta, desde que certas condições de regularidade em relação às contribuições de vizinhança sejam atendidas.

3. Eficiência Computacional (KAMP Lite):
   Para lidar com conjuntos de dados extremamente grandes (ex: >1 milhão de células), os autores introduzem o KAMP Lite, que utiliza o afinamento (thinning) aleatório de pontos antes de computar os momentos. Propriedades teóricas de processos de pontos garantem que o afinamento preserva as propriedades distributivas, permitindo aproximações precisas dos momentos com tempo de computação significativamente reduzido.

4. Inferência:
   O método fornece:

   • Uma métrica de agrupamento corrigida: $\tilde{K}_s(r) = \hat{K}_s(r) - E(K_s(r))$.
   • P-valores aproximados para testes de hipótese intra-amostra de excesso de agrupamento positivo ou colocalização.
   • Um framework para análise entre amostras, onde $\tilde{K}_s(r)$ serve como covariável em modelos de sobrevivência (ex: modelos de riscos proporcionais de Cox).

Principais Resultados
O artigo avalia o KAMP através de simulações e de uma aplicação a um conjunto de dados de Carcinoma Seroso de Alto Grau (HGSOC) de Ovário (128 pacientes, >1,5 milhão de células no total).

• Estudos de Simulação:

  • Correção de Viés: Em cenários de nulidade heterogênea (simulando rasgos de tecido), o $K$ de Ripley padrão e a variante heterogênea ($K_{hom}$) superestimaram significativamente o agrupamento. O KAMP, o KAMP Lite e o método de permutação completo centralizaram corretamente as estimativas em torno de zero.
  • Poder e Erro do Tipo I: O KAMP manteve taxas apropriadas de erro do Tipo I e demonstrou alto poder comparável ao método de permutação completo em diferentes densidades e abundâncias celulares.
  • Velocidade: O KAMP foi ordens de magnitude mais rápido que o método de permutação. Para o conjunto de dados HGSOC, o KAMP levou 3,6 minutos comparado a 562 minutos para 10.000 permutações. O KAMP Lite foi ainda mais rápido (0,6 minutos).

• Aplicação em HGSOC:

  • Intra-Amostra: O KAMP distinguiu efetivamente entre o agrupamento biológico real e a heterogeneidade técnica. Em amostras com rasgos de tecido, o $E(K_s(r))$ empírico foi significativamente maior que o $\pi r^2$ teórico, e o KAMP conseguiu ajustar os valores de $K$ observados para refletir o verdadeiro agrupamento.
  • Entre Amostras (Análise de Sobrevivência): O estudo focou na colocalização de células B e macrófagos. Modelos utilizando métricas de colocalização derivadas do KAMP mostraram associações protetoras mais fortes com a sobrevida global e índices de concordância (c-index) mais elevados em comparação com modelos usando o $K$ de Ripley padrão. O $K$ padrão falhou em detectar associações significativas, sugerindo que a heterogeneidade não corrigida enviesa as estimativas da razão de risco (hazard ratio).

Significância e Alegações
O artigo afirma que o KAMP representa a primeira caracterização de forma fechada dos dois primeiros momentos da permutação para o $K$ de Ripley univariado e bivariado, acompanhada de uma aproximação de normalidade assintótica.

• Robustez: Ao utilizar células de fundo e momentos analíticos, o KAMP corrige a heterogeneidade espacial sem o ônus computacional das permutações ou o viés de ignorar a estrutura de fundo.
• Escalabilidade: A abordagem analítica elimina a necessidade de permutações de Monte Carlo, tornando viável a análise de grandes conjuntos de dados de proteômica espacial (milhões de células) que eram anteriormente intratáveis computacionalmente para testes de permutação rigorosos.
• Impacto Científico: A aplicação ao câncer de ovário demonstra que falhar em corrigir a heterogeneidade da amostra pode levar a análises de sobrevivência enviesadas. O KAMP fornece um framework estatisticamente válido para vincular interações específicas célula-célula (ex: colocalização célula B–macrófago) a desfechos clínicos, revelando associações que métodos padrão não detectam.

Os autores observam que o KAMP mede o agrupamento excedente em relação à estrutura de tecido agrupada. Consequentemente, se o sinal biológico de interesse for compartilhado por ambas as células imunes e de fundo (alinhado com a arquitetura tecidual), o KAMP pode remover essa estrutura compartilhada, potencialmente reduzindo o poder para detectar tais sinais específicos. No entanto, para detectar interações específicas de tipos celulares distintas do fundo, o método oferece uma solução robusta e escalável.