JASPER: Joint Bayesian Analysis of Spatial Expression via Regression

Título: JASPER: Análise Bayesiana Conjunta da Expressão Espacial via Regressão

1. O Problema

A transcriptômica de resolução espacial (SRT) permite medir a expressão gênica dentro do contexto arquitetural do tecido. Um objetivo central na análise desses dados é a identificação de Genes com Variação Espacial (SVGs - Spatially Varying Genes), que fornecem insights sobre heterogeneidade tecidual, mecanismos biológicos e alvos terapêuticos.

No entanto, os métodos existentes para detecção de SVGs apresentam limitações críticas:

• Abordagem Gene a Gene: A maioria dos métodos analisa os genes individualmente, ignorando as correlações entre genes (co-expressão). Isso pode levar a taxas infladas de falsos positivos e falsos negativos, pois a expressão de um gene é frequentemente regulada por outros.
• Dependência de Kernels Espaciais: Métodos baseados em Processos Gaussianos (GP) dependem de kernels de covariância pré-definidos (ex: Matérn, exponencial quadrático). Esses kernels frequentemente assumem estacionariedade, uma suposição que é frequentemente violada em perfis de expressão gênica complexos e não estacionários, reduzindo o poder estatístico.
• Problemas de Normalização: Métodos que exigem normalização prévia dos dados de contagem podem introduzir artefatos espaciais espúrios, especialmente quando os tamanhos das bibliotecas (library sizes) variam espacialmente.

2. Metodologia: O Modelo JASPER

O JASPER é um framework bayesiano completo projetado para modelar a expressão de múltiplos genes simultaneamente, abordando as limitações acima.

• Modelagem de Contagens (Negativa Binomial):

  • O modelo assume que as contagens de expressão gênica observadas ($C_j(s_i)$) seguem uma distribuição Negativa Binomial condicional a uma variável latente Gaussiana ($Y_j(s_i)$).
  • Isso evita a necessidade de normalização prévia, preservando as propriedades estatísticas naturais dos dados de contagem e lidando diretamente com a superdispersão e o excesso de zeros comuns em dados SRT.

• Regressão via Funções de Base Espacial:

  • Em vez de usar kernels de covariância fixos, o JASPER emprega uma regressão por funções de base espacial (ex: splines cúbicos B-spline).
  • A média da variável latente é modelada como uma combinação linear dessas funções de base, permitindo a captura flexível de padrões espaciais complexos e não estacionários sem restrições de kernel.

• Seleção de Variáveis via Priori Spike-and-Slab:

  • Para identificar quais genes são SVGs, o modelo utiliza uma priori multivariada Spike-and-Slab nos vetores de coeficientes de regressão ($\beta_j$) para cada gene.
  • Um indicador binário $\gamma_j$ determina se o gene $j$ é um SVG ($\gamma_j=1$) ou não ($\gamma_j=0$).
  • Modelagem Conjunta: O modelo inclui uma matriz de covariância ($\Sigma$) que captura explicitamente os padrões de co-expressão entre os genes. Isso permite que o JASPER "empreste" informação entre genes correlacionados, melhorando a precisão da detecção.

• Inferência:

  • A inferência é realizada através de um Amostrador de Gibbs parcialmente colapsado e aumentado de dados (utilizando a augmentação de Polya-Gamma para as contagens).
  • Os genes são selecionados com base na Probabilidade de Inclusão Posterior (PPI), controlando a Taxa de Falsas Descobertas Esperada (peFDR).

• Versão Escalável (JASPER-normalized):

  • Para conjuntos de dados muito grandes, uma versão simplificada baseada em dados normalizados e assumindo distribuição Gaussiana é proposta para reduzir o custo computacional.

3. Contribuições Principais

1. Análise Conjunta de Múltiplos Genes: É a primeira metodologia para detecção de SVGs que modela explicitamente a estrutura de co-expressão entre genes, tratando o problema como uma seleção de variáveis multivariada em vez de testes univariados sequenciais.
2. Independência de Kernel: A utilização de funções de base espacial elimina a sensibilidade à especificação incorreta do kernel de covariância, adaptando-se a padrões espaciais complexos e não estacionários.
3. Modelagem Direta de Contagens: A abordagem baseada em distribuição Negativa Binomial elimina a necessidade de normalização prévia, evitando distorções estatísticas.
4. Desempenho Superior: Demonstra maior precisão na detecção de SVGs, especialmente em cenários de alta correlação gênica e estruturas espaciais complexas.

4. Resultados

Estudos de Simulação:

• Correlação Gênica: O JASPER superou consistentemente métodos concorrentes (SPARK e SpatialDE), especialmente quando os genes apresentavam alta correlação. A taxa de verdadeiros positivos aumentou significativamente à medida que a correlação entre genes aumentava.
• Independência de Kernel: Em simulações onde os dados foram gerados com um kernel periódico (seno quadrado exponencial), métodos baseados em kernels fixos (SpatialDE, SOMDE) tiveram taxas de verdadeiros positivos baixas (43,2% e 63,5%, respectivamente). O JASPER atingiu 93,5%, demonstrando robustez à má especificação do kernel.
• Esparsidade: O desempenho do JASPER melhorou à medida que a proporção de SVGs aumentava, devido à capacidade de compartilhar informação entre os genes.

Aplicações em Dados Reais:

• Câncer de Mama Humano (10x Visium):
  • O JASPER identificou 672 SVGs.
  • Validação Biológica: Os genes únicos detectados pelo JASPER apresentaram maior sobreposição com bancos de dados de genes de câncer (Harmonizome e COSMIC) e maiores estatísticas de Moran's I (autocorrelação espacial) em comparação com SPARK e SpatialDE.
  • Análise de Vias: A análise de enriquecimento (GSEA) revelou vias biologicamente relevantes para o câncer de mama, como "ligação de moléculas de adesão celular" e "interação receptor-ECM", que foram menos detectadas pelos outros métodos.
  • Replicação: 89,8% dos SVGs encontrados no dataset Visium foram replicados em um dataset antigo de câncer de mama (ST), contra 61,3% (SPARK) e 54,9% (SpatialDE).
• Córtex Visual de Camundongo (STARmap):
  • O JASPER detectou todos os 13 genes espacialmente variados conhecidos no estudo original, enquanto SPARK detectou 11 e SpatialDE apenas 3.
  • O método identificou genes biologicamente significativos associados a áreas visuais com maior precisão (35,3% de sobreposição com banco de dados Harmonizome vs. 27,1% e 5,5% dos concorrentes).
• Bulbo Olfatório de Camundongo (ST):
  • O JASPER identificou 713 genes, superando os concorrentes e detectando todos os 10 genes destacados no estudo original, comparado a 8 e 4 dos outros métodos.

5. Significado e Conclusão

O JASPER representa um avanço significativo na análise de transcriptômica espacial. Ao integrar a modelagem conjunta de co-expressão gênica com uma abordagem flexível de regressão espacial baseada em bases, o método supera as limitações de estacionariedade e independência gênica dos métodos atuais.

Os resultados demonstram que o JASPER não apenas melhora a precisão estatística (reduzindo falsos positivos/negativos), mas também aumenta a interpretabilidade biológica, recuperando genes e vias críticas para a compreensão de doenças complexas como o câncer de mama. A ferramenta é apresentada como um recurso poderoso para desvendar padrões de expressão gênica em sistemas biológicos complexos, com potencial para identificar novos alvos terapêuticos e biomarcadores.