Resumo Técnico: Reconstrução Espacial de Células Únicas Generativa Baseada em Geometria (GEARS)

1. Declaração do Problema

O sequenciamento de RNA de células únicas (scRNA-seq) fornece perfis de expressão gênica de alta resolução para centenas de milhares de células, mas perde todo o contexto espacial durante a dissociação do tecido. Por outro lado, a Transcriptômica Espacial (ST) preserva coordenadas espaciais, mas opera com resolução mais baixa, frequentemente capturando sinais de múltiplas células por "ponto".

O desafio central abordado é a reconstrução espacial de células únicas: inferir localizações espaciais 2D plausíveis para células de scRNA-seq dissociadas, aproveitando informações espaciais de uma referência ST. Isso é particularmente difícil em cenários não emparelhados, onde os dados de scRNA-seq e ST provêm de amostras de tecido ou indivíduos diferentes. Métodos existentes enfrentam limitações significativas neste contexto:

• Dependência de Coordenadas: A maioria dos métodos força as células para o sistema de coordenadas específico de uma lâmina ST de referência, introduzindo viés sistemático quando a organização global do tecido varia entre amostras.
• Pressupostos de Atribuição: Muitas abordagens dependem de mapeamento célula-a-ponto ou deconvolução em nível de ponto, o que vincula as reconstruções a uma grade fixa e assume composições conhecidas de tipos celulares.
• Desvio de Domínio: Diferenças em protocolos experimentais, cobertura gênica e estados biológicos entre conjuntos de dados não emparelhados tornam a correspondência direta pouco confiável.

O artigo argumenta que a reconstrução espacial deve ser tratada como geração de geometria—aprendendo uma organização espacial contínua e intrínseca guiada por dados ST, mas não constrita por suas coordenadas absolutas ou grade fixa.

2. Metodologia: O Framework GEARS

Os autores propõem o GEARS (Reconstrução Consciente de Geometria de Células Únicas), um framework que reconstrói a geometria espacial intrínseca sem rótulos de tipo celular, imagens histológicas ou atribuições explícitas célula-a-ponto. O pipeline consiste em três etapas principais:

A. Embeddings de Expressão Invariantes a Domínio

Para desacoplar o sinal biológico de artefatos técnicos e coordenadas específicas da lâmina, o GEARS primeiro treina um codificador compartilhado ($f_\theta$) para alinhar pontos ST e células de scRNA-seq dissociadas em um espaço de embedding comum.

• Técnica: O codificador é treinado usando VICReg (para preservar variância e covariância enquanto minimiza invariância a aumentações como dropout gênico e ruído) combinado com alinhamento de domínio adversarial via Camadas de Reversão de Gradiente (GRL).
• Objetivo: O discriminador tenta distinguir embeddings de ST de scRNA-seq, enquanto o codificador aprende a enganar o discriminador, garantindo que os embeddings resultantes sejam invariantes à modalidade e agnósticos ao domínio.

B. Supervisão e Geração Geométrica Invariantes a Pose

Em vez de prever coordenadas absolutas, o GEARS aprende a gerar estruturas geométricas intrínsecas.

• Amostragem de Miniconjuntos: Para abordar a escassez de dados em ST (poucas lâminas) versus a fome de dados de modelos de difusão, o método amostra muitos subconjuntos locais sobrepostos ("miniconjuntos") de lâminas ST.
• Alvos Invariantes a Pose: Coordenadas absolutas são descartadas em favor de matrizes de Gram ($G = YY^\top$) derivadas de coordenadas centradas. Esta representação é invariante a transformações rígidas (translação, rotação, reflexão), garantindo que o modelo aprenda a forma do tecido, e não sua posição na lâmina.
• Arquitetura:
  • Gerador Equivariante a Permutação: Utiliza uma espinha dorsal Set Transformer para lidar com conjuntos desordenados de células. Produz uma proposta geométrica grosseira ($V_{base}$) condicionada aos embeddings de expressão.
  • Refinador de Difusão Residual: Um modelo de difusão pré-condicionado por EDM (Elucidating the Design Space) refina a proposta grosseira. Ele prevê correções residuais ($\hat{R}_0$) para a saída do gerador. Este "modo residual" opera em alvos de menor magnitude, melhorando a estabilidade do treinamento e a calibração de escala.
• Objetivos de Treinamento: O modelo é treinado para corresponder à geometria intrínseca (matriz de Gram) e estruturas de vizinhança local (k-NN) dos miniconjuntos ST. Também impõe consistência de sobreposição, garantindo que células compartilhadas em miniconjuntos sobrepostos recebam previsões geométricas consistentes, independentemente do contexto.

C. Inferência Baseada em Distância por Trechos

Para escalar para grandes coortes de scRNA-seq (que podem conter muito mais células do que uma única lâmina ST), o GEARS emprega uma estratégia de inferência por trechos:

1. Amostragem de Trechos: Trechos sobrepostos de células são amostrados do conjunto de dados scRNA-seq com base em um grafo de localidade.
2. Geração Local: O modelo treinado gera geometrias locais para cada trecho.
3. Agregação de Distâncias: Geometrias locais são convertidas em medições de distância par a par. Essas distâncias são agregadas em trechos sobrepostos usando uma mediana ponderada por confiabilidade para lidar com valores atípicos.
4. Resolução Global: Um problema global de distância-geometria é resolvido (usando inicialização por Landmark Isomap e otimização de perda Huber ponderada) para recuperar coordenadas 2D canônicas ($X$) e uma matriz de distância densa ($D$) para toda a coorte.

3. Contribuições Principais

1. Formulação Baseada em Geometria: O artigo reformula a reconstrução espacial como a geração de geometria espacial contínua a partir da expressão, evitando explicitamente pressupostos de atribuição célula-a-ponto e deconvolução.
2. Supervisão Invariante a Pose: Ao aprender a partir de estruturas geométricas intrínsecas (matrizes de Gram) em vez de coordenadas absolutas, o método reduz a dependência de quadros específicos da lâmina e apoia a generalização entre seções de tecido.
3. Gerador-Refinador Equivariante a Permutação: O uso de uma arquitetura estruturada em conjuntos com um gerador grosseiro e um refinador de difusão residual pré-condicionado por EDM melhora a consistência global e calibra a escala espacial.
4. Inferência Baseada em Distância por Trechos: O método escala para grandes coortes ao reconstruir subconjuntos sobrepostos e uni-los por meio de restrições de distância agregadas, evitando a intratabilidade computacional da geração única em conjuntos de dados massivos.

4. Resultados Experimentais

Os autores avaliaram o GEARS em dois conjuntos de dados: um Atlas de Camundongos (pseudo-Visium derivado de seqFISH) e um conjunto de dados de Carcinoma de Células Escamosas Humano (hSCC) (Visium multisseção). Compararam-se nove baselines, incluindo métodos de mapeamento (Tangram, novoSpaRc, STEM, SpaOTsc) e métodos de deconvolução/regressão (cell2location, scSpace, CytoSPACE, CeLEry, COME).

Desempenho Quantitativo:

• Geometria Global: O GEARS alcançou o maior acordo global (correlações de Spearman/Pearson) no Atlas de Camundongos e a melhor estrutura global na tarefa de generalização hSCC (treinamento em duas lâminas, teste em uma terceira retida). Superou baselines baseadas em mapeamento na preservação da estrutura global par a par.
• Geometria Local: O GEARS demonstrou recuperação superior de bordas (Edge ROC-AUC) e precisão balanceada (bAP) no Atlas de Camundongos. No hSCC, alcançou a melhor pontuação Shell-F1, indicando melhoria na preservação de estrutura local multiescala.
• Qualidade de Vizinhança: O GEARS alcançou o melhor desempenho nas métricas de Confiabilidade e Continuidade no Atlas de Camundongos. No hSCC, classificou-se em segundo lugar na qualidade de vizinhança, mantendo acordo superior de distância global em comparação com baselines de regressão de coordenadas.
• Correspondência de Distribuição: O GEARS mostrou a melhor distância $W_1$ (distribuição de distância de vizinhos locais) no hSCC, indicando escalas de comprimento locais bem calibradas.

Ablação e Diagnósticos:

• Difusão Residual: Remover o refinador de difusão degradou significativamente o desempenho (por exemplo, Stress-1 aumentou em ~34% no Atlas de Camundongos), confirmando o papel do refinador na calibração de magnitudes de distância global e correção de distorções de meso-escala.
• Sensibilidade a Trechos: O pipeline de inferência foi robusto a escolhas de tamanho de trecho; métricas de reconstrução permaneceram estáveis em uma ampla faixa de tamanhos de trecho, enquanto a consistência de unição melhorou com trechos maiores.
• Validação Biológica: No hSCC, a geometria reconstruída revelou domínios espaciais coerentes (por exemplo, regiões ricas em imunidade vs. regiões tumorais) consistentes com anotações de tipo celular. Além disso, genes marcadores para células dendríticas plasmocitoides (pDCs) mostraram expressão significativamente maior em regiões espacialmente próximas do layout reconstruído, validando a relevância biológica da geometria inferida.

5. Significado e Alegações

O artigo alega que o GEARS representa uma mudança de correspondência de coordenadas para aprendizado de geometria. Ao tratar a organização espacial como uma estrutura latente guiada, mas não constrita, por dados de referência, o GEARS aborda as limitações fundamentais da reconstrução espacial não emparelhada.

• Robustez a Desvio de Domínio: O framework é projetado para ser robusto em cenários não emparelhados onde amostras exibem diferentes organizações globais, evitando o viés sistemático introduzido ao forçar o alinhamento a uma grade de referência fixa.
• Escalabilidade: A inferência baseada em distância por trechos permite que o método lide com coortes de células únicas em grande escala que excedem a capacidade de uma única lâmina ST.
• Generalização: O método transfere com sucesso princípios geométricos intrínsecos entre diferentes seções de tecido (generalização entre seções) sem exigir medições emparelhadas do mesmo indivíduo.

Os autores observam modestamente que a confiabilidade pode diminuir sob desvios de domínio muito fortes, incompatibilidades severas de composição celular ou quando a resolução ST fornece apenas supervisão geométrica fraca. Eles identificam a generalização de geometria entre pacientes e entre coortes como uma direção chave para trabalhos futuros.