Topological Data Analysis of Spatial Protein Expression in Multiplexed Spatial Proteomics Studies

O artigo apresenta o TOASTER, um método de análise de dados topológicos que avalia a associação entre a expressão contínua de proteínas espaciais e variáveis de resposta clínica em pacientes, contornando as limitações e erros de segmentação celular tradicionais e demonstrando maior poder estatístico e robustez em estudos de proteômica espacial.

O essencial

Imagine que você está tentando entender a dinâmica de uma grande festa (o tecido do corpo) olhando para uma foto de alta resolução.

Até hoje, os cientistas tentavam analisar essas fotos da seguinte maneira:

1. Recortar os convidados: Eles tentavam desenhar uma linha em volta de cada pessoa (célula) na foto para saber exatamente onde ela termina e onde a outra começa. Isso é chamado de "segmentação".
2. Dar crachás: Depois, eles tentavam adivinhar quem era cada pessoa (se era um médico, um segurança, um músico) baseado no que ela estava vestindo. Isso é o "fenotipagem".
3. Analisar a festa: Só depois disso, eles olhavam para ver se a forma como essas pessoas estavam organizadas na sala tinha alguma relação com o resultado da festa (se a festa foi um sucesso ou um fracasso).

O problema?
Às vezes, as pessoas estão muito grudadas, ou a foto está borrada, ou há buracos na parede (tecido rasgado). Tentar recortar cada pessoa individualmente gera muitos erros. Além disso, ao focar apenas nas pessoas, os cientistas ignoravam a "energia" da festa: o volume da música, a cor das luzes e a intensidade das conversas (os níveis de proteínas) que acontecem entre as pessoas.

A Solução: O TOASTER

Os autores deste artigo criaram um novo método chamado TOASTER. Em vez de tentar recortar e identificar cada convidado individualmente, o TOASTER olha para a festa inteira como um todo, focando na intensidade das luzes e sons (a expressão contínua das proteínas).

Aqui está como o TOASTER funciona, usando uma analogia simples:

1. A "Filtragem" (O Nível do Mar)

Imagine que a foto da festa é um mapa de relevo, onde as áreas mais brilhantes (mais proteínas) são montanhas e as áreas escuras são vales.

• O TOASTER começa com o nível do mar muito baixo (nada é visível).
• Ele vai subindo o nível do mar lentamente (aumentando o limiar de intensidade).
• À medida que a água sobe, novas ilhas (agrupamentos de proteínas) aparecem do nada. O TOASTER conta quantas ilhas surgem e quando elas surgem.
• Ele também observa quando ilhas se juntam ou quando buracos (lagos) são preenchidos pela água.

Essa contagem de "nascimento de ilhas" e "morte de lagos" cria uma história topológica. É como se o TOASTER estivesse escrevendo um diário de bordo de como a paisagem da festa muda conforme a água sobe.

2. O Resumo (A Linha do Tempo)

O TOASTER transforma essa história complexa em uma linha simples (uma curva). Essa curva resume a "personalidade" da festa:

• Se a festa tem muitos grupos pequenos e isolados, a curva sobe rápido.
• Se a festa tem grandes aglomerados conectados, a curva se comporta de um jeito diferente.

Isso é chamado de História de Eventos Topológicos. É uma forma de dizer: "Olhe como as proteínas estão organizadas, sem precisar saber quem é quem."

3. A Comparação (A Receita do Sucesso)

Agora, o TOASTER pega essa linha do tempo de cada paciente e pergunta: "Essa linha se parece mais com a linha dos pacientes que tiveram uma boa resposta ao tratamento ou com a dos que não tiveram?"

Ele usa três métodos inteligentes para fazer essa comparação:

• Método Funcional: Olha para a forma geral da linha (como se fosse comparar a melodia de duas músicas).
• Método de Grade: Olha ponto por ponto na linha para ver onde elas divergem.
• Método de Núcleo: Usa matemática avançada para medir a "distância" entre as linhas de diferentes pacientes.

Por que isso é importante?

No estudo real com câncer de mama triplo-negativo, os pesquisadores usaram o TOASTER para ver como as células imunes (marcadas por proteínas como CD3, CD4, CD8) estavam organizadas.

• O que eles descobriram: Eles viram que os pacientes que tiveram uma resposta completa ao tratamento (a festa foi um sucesso) tinham uma organização de proteínas diferente. As proteínas estavam mais concentradas em "ilhas" grandes e conectadas, em vez de espalhadas.
• A vantagem: O TOASTER conseguiu ver isso mesmo que a amostra de tecido tivesse rasgos ou buracos (o que acontece frequentemente em laboratórios). Métodos antigos, que tentavam recortar células, falhariam nesses casos ou perderiam informações valiosas sobre a intensidade das proteínas.

Resumo em uma frase

O TOASTER é como um novo tipo de óculos para os cientistas: em vez de tentar contar e nomear cada pessoa em uma multidão (o que é difícil e propenso a erros), ele analisa a "vibe" e a organização geral da multidão para prever o resultado, ignorando os pequenos defeitos na foto e focando na energia do momento.

Resumo técnico

Resumo Técnico: Análise Topológica de Dados de Expressão Proteica Espacial em Estudos de Proteômica Espacial Multiplexada

1. Problema e Motivação

As plataformas de proteômica espacial multiplexada (como MIBI, IMC e IHC multiplexada) geram imagens de alta resolução que capturam a expressão de proteínas no tecido. A análise padrão dessas imagens envolve um pipeline complexo de pré-processamento que inclui:

1. Segmentação: Identificação das fronteiras de células individuais.
2. Fenotipagem: Atribuição de rótulos de tipos celulares (ex: células T CD8+, B) com base na expressão proteica.
3. Análise de Processo Pontual: Tratamento das células como pontos com "marcas" (tipos celulares) para testar associações com desfechos clínicos.

Limitações Críticas Identificadas:

• Erros de Pré-processamento: A segmentação e fenotipagem são propensas a erros devido a células sobrepostas, morfologias variáveis ou células cortadas.
• Perda de Informação: A expressão proteica fora das fronteiras celulares preditas é descartada, ignorando informações biológicas relevantes.
• Ignorância de Níveis Contínuos: Focar apenas em tipos celulares discretos ignora os níveis contínuos e a intensidade da expressão proteica.
• Fragilidade a Defeitos: O pipeline atual não lida bem com lacunas ou rasgos nas amostras de tecido que ocorrem durante o manuseio.

Existe uma escassez de métodos estatísticos capazes de associar diretamente a expressão proteica espacial contínua (sem segmentação) a desfechos clínicos de nível de paciente.

2. Metodologia: TOASTER

Os autores propõem o TOASTER (Test Of Association between Spatial protein expression and clinical Traits-of-intERest), um método que evita a segmentação celular e analisa a expressão proteica contínua usando Análise Topológica de Dados (TDA).

2.1. Conceito Central: História de Eventos Topológicos

O método caracteriza a estrutura topológica (componentes conectados e loops) da expressão proteica através de uma filtração (thresholding iterativo da intensidade da proteína).

• Eventos: O "nascimento" de novos componentes conectados (pontos locais mínimos) ou a "morte" de loops durante a filtração são tratados como eventos.
• Resumo Estatístico: A sequência temporal desses eventos é resumida usando uma adaptação da função de risco cumulativo de Nelson-Aalen.
• Saída: Para cada amostra (paciente), gera-se uma curva chamada "história de eventos topológicos" ($\hat{A}(t)$), que descreve a estrutura espacial da proteína ao longo dos níveis de intensidade.

2.2. Abordagens Univariadas e Bivariadas

• Univariada: Analisa a estrutura topológica de uma única proteína (ex: CD3).
• Bivariada: Analisa a estrutura topológica compartilhada entre dois marcadores (ex: co-localização de CD3 e CD8). O método define um evento apenas quando um pixel é um mínimo local em ambas as camadas de proteínas simultaneamente, capturando interações espaciais específicas.
• Robustez a Lacunas: O algoritmo trata pixels faltantes (devido a rasgos no tecido) ajustando o conjunto de vizinhos, permitindo a análise mesmo com amostras imperfeitas.

2.3. Testes de Associação

Para associar as curvas de história de eventos topológicos a desfechos clínicos (binários, contínuos ou de sobrevivência), o TOASTER propõe três estratégias:

1. Análise Funcional (FPCA): Decompõe as curvas em componentes principais funcionais e utiliza regressão de Cox (sobrevivência) ou logística (binário) para testar a associação.
2. Teste Grade a Grade (Gridwise): Testa a associação em cada ponto da grade de filtração e combina os valores-p usando o teste de combinação de Cauchy.
3. Teste de Kernel: Constrói uma matriz de distância entre as curvas de todos os pacientes e utiliza um teste de associação baseado em kernel (usando resíduos de Martingale para sobrevivência) para avaliar a similaridade das curvas em relação ao desfecho.

3. Contribuições Principais

1. Paradigma Sem Segmentação: Introduz uma abordagem que dispensa a etapa crítica e propensa a erros de segmentação e fenotipagem celular, operando diretamente sobre os dados de imagem brutos (intensidade de pixels).
2. Incorporação de Níveis Contínuos: Preserva a informação quantitativa da intensidade da proteína, que é frequentemente perdida em análises baseadas em contagem de células.
3. Robustez Técnica: Demonstra capacidade de lidar com lacunas e rasgos em amostras de tecido, um problema comum na prática laboratorial.
4. Framework Estatístico Unificado: Oferece três abordagens distintas (funcional, grade e kernel) para testar associações, permitindo flexibilidade dependendo da natureza dos dados e do desfecho.

4. Resultados

4.1. Estudo de Simulação

Os autores compararam o TOASTER com métodos existentes (DenVar para univariada e DIMPLE para bivariada).

• Poder Estatístico: O TOASTER demonstrou poder superior (especialmente em cenários univariados e quando os marcadores eram independentes mas gerados sob o mesmo modelo) em detectar associações entre expressão espacial e desfechos de sobrevivência.
• Controle de Erro Tipo I: O método manteve o erro tipo I na taxa nominal (0,05), enquanto os métodos comparados tendiam a ser conservadores ou perder poder.
• Resiliência a Lacunas: Em simulações com "buracos" induzidos nas imagens, o TOASTER manteve alto poder, superando significativamente o DIMPLE em cenários de marcadores independentes.

4.2. Aplicação Real: Câncer de Mama Triplo-Negativo (NeoTRIP)

O método foi aplicado a dados de Citometria de Massa por Imagem (IMC) de pacientes com câncer de mama triplo-negativo tratados com quimioterapia combinada e imunoterapia.

• Objetivo: Associar a estrutura topológica de proteínas imunes (CD3, CD4, CD8, CD20) à resposta ao tratamento (Resposta Patológica Completa - pCR vs. Doença Recorrente - RD).
• Descobertas:
  • Pacientes com pCR exibiram menos nascimentos de componentes conectados durante a filtração, sugerindo que a expressão proteica estava mais concentrada em aglomerados (clusters) densos.
  • As combinações CD3+CD4 e CD3+CD20 mostraram as associações mais fortes e distintas com a resposta ao tratamento.
  • Diferentes abordagens de teste (funcional vs. grade) forneceram resultados ligeiramente variados para certas combinações (ex: CD3), destacando a importância de múltiplas estratégias de validação.

5. Significância e Conclusão

O TOASTER representa um avanço significativo na análise de dados de proteômica espacial. Ao contornar a dependência de algoritmos de segmentação imperfeitos, ele oferece uma visão mais fiel da arquitetura do tecido e da distribuição contínua de proteínas.

• Impacto Clínico: A capacidade de identificar padrões topológicos associados à resposta à imunoterapia (como a formação de clusters de células T) pode levar a biomarcadores mais robustos para prever a eficácia do tratamento.
• Avanço Metodológico: O trabalho preenche uma lacuna na literatura estatística, fornecendo ferramentas para analisar dados espaciais contínuos diretamente, o que é crucial para extrair o máximo de informação de tecnologias de imagem de alta dimensão.
• Futuro: Os autores sugerem extensões para combinações de mais de dois marcadores e melhores métodos para agregar múltiplas imagens do mesmo paciente, embora a abordagem atual de média simples já tenha demonstrado eficácia.

Em resumo, o TOASTER transforma a análise de imagens de tecido de uma abordagem baseada em contagem de objetos discretos para uma análise baseada na topologia do campo de intensidade, resultando em maior poder estatístico e robustez prática.