💻 bioinformatics

Statistical tests for bivariate spatial association across multi-omics data with disjoint coordinates

Este artigo apresenta o pacote R `sbivar`, que fornece um conjunto de testes estatísticos modificados e estimadores de variância para avaliar rigorosamente associações espaciais bivariadas entre modalidades multiômicas com coordenadas disjuntas, enquanto contabiliza adequadamente a autocorrelação espacial e os desafios computacionais de alta dimensão.

Autores originais: Hawinkel, S., Hu, W., Velten, B., Maere, S.

Publicado 2026-07-23

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Hawinkel, S., Hu, W., Velten, B., Maere, S.

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo

Imagine que você é um detetive tentando resolver um mistério dentro de uma cidade viva. Esta cidade é um pedaço de tecido biológico, e os "cidadãos" são moléculas como genes e metabólitos. No passado, os cientistas só consegiam tirar uma foto borrada de toda a cidade ou uma foto de alta definição de apenas uma esquina de rua. Mas agora, temos microscópios superpotentes que podem mapear exatamente onde diferentes tipos de moléculas estão vivendo dentro do tecido. A grande questão é: certas moléculas gostam de andar juntas? Se um gene específico e um produto químico específico são encontrados no mesmo bairro, eles podem estar trabalhando juntos em um projeto secreto, como construir uma parede celular ou combater uma infecção. Encontrar esses "pares de amigos" ajuda-nos a entender como a vida funciona, como as doenças começam e como consertá-las.

No entanto, há um porém. Os diferentes microscópios usados para mapear essas moléculas frequentemente possuem resoluções diferentes. Um pode tirar uma foto com pontos minúsculos e perfeitos em termos de pixels, enquanto o outro pode tirar uma foto com pontos um pouco maiores e mais nebulosos. Mesmo que você alinhe as duas fotos perfeitamente, os pontos de uma foto raramente caem exatamente em cima dos pontos da outra. É como tentar combinar uma grade de pequenos blocos de LEGO com uma grade de blocos de Jenga ligeiramente maiores; eles simplesmente não se alinham um para um. Além disso, as moléculas na biologia não estão espalhadas aleatoriamente como bolas de gude em um chão; elas tendem a se agrupar em padrões, um fenômeno que os cientistas chamam de "autocorrelação espacial". Se você ignorar esses agrupamentos e as grades desalinhadas, sua matemática pode ficar muito confusa, levando você a pensar que duas moléculas são melhores amigas quando, na verdade, são apenas estranhas que por acaso estavam na mesma área geral.

É aqui que o novo artigo entra com um novo conjunto de ferramentas. Os autores, Stijn Hawinkel e sua equipe, perceberam que muitos métodos existentes para encontrar esses pares de amigos moleculares estavam usando a matemática errada. Eles tratavam os dados como se as moléculas estivesulas espalhadas aleatoriamente e perfeitamente alinhadas, o que levava a muitos alarmes falsos — encontrando "amizades" que na verdade não existiam. A equipe argumenta que você precisa de um método que possa lidar com grades desalinhadas (coordenadas disjuntas) e que ainda respeite o agrupamento natural das moléculas.

Para resolver isso, eles desenvolveram um novo pacote de software chamado sbivar (que você pode encontrar no GitHub). Eles não apenas inventaram um novo truque; eles adaptaram três diferentes abordagens estatísticas para trabalhar nesses mapas bagunçados e desalinhados:

A "Vigilância de Vizinhança" (Moran's I Bivariado): Imagine que você está verificando se dois tipos de pessoas estão frequentando o mesmo bairro. Em vez de precisar que elas estejam exatamente no mesmo lugar, este método observa o quão próximas elas estão uma da outra. Os autores ajustaram este método antigo para calcular as chances de estarem juntas, levando em conta o fato de que as pessoas naturalmente se agrupam. Eles criaram uma nova maneira de medir o "ruído" nos dados para não serem enganados pelo agrupamento.
O "Mapa Suave" (Modelos Aditivos Generalizados ou GAMs): Este método é como desenhar um cobertor suave e ondulado sobre os pontos de dados para ver o quadro geral. Ele cria uma superfície suave para cada tipo de molécula com base em onde elas estão, mesmo que os pontos estejam em grades diferentes. Então, ele compara os dois cobertores suaves para ver se eles sobem e descem nos mesmos lugares. A equipe descobriu como medir a incerteza desses cobertores para saber se a correspondência é real ou apenas um acaso.
O "Detetive de Distância" (Processos Gaussianos Bivariados): Este é um modelo matemático mais complexo que trata o tecido como um campo contínuo onde a relação entre as moléculas muda com base na distância. É muito poderoso, mas pode ser lento para rodar em um computador.

A equipe testou essas novas ferramentas usando simulações de computador. Eles criaram mapas de tecidos falsos com padrões conhecidos — alguns onde as moléculas eram verdadeiras amigas e outros onde eram apenas vizinhas aleatórias. Eles descobriram que os métodos antigos frequentemente gritavam "Amizade!" quando não havia nenhuma, especialmente quando as moléculas tinham agrupamentos naturais. Em contraste, seus novos métodos (especialmente a Vigilância de Vizinhança e o Mapa Suave) foram muito melhores em manter o silêncio quando não havia amizade e em gritar "Amizade!" apenas quando ela era real. Eles também mostraram que essas novas ferramentas funcionam bem mesmo quando os mapas estão ligeiramente desalinhados, o que acontece frequentemente em experimentos reais.

Finalmente, eles levaram suas novas ferramentas para dados do mundo real de amostras de câncer de pulmão e de mama humanas, e amostras de cérebro de camundongo. Eles descobriram alguns pares novos e empolgantes. Por exemplo, em uma amostra de câncer de pulmão, descobriram que um grupo de genes chamados Kallikreins estava andando com uma molécula de gordura específica chamada PI 34:1. Isso faz sentido biologicamente porque ambos estão envolvidos em uma importante via de sinalização que as células usam para se comunicar. No cérebro de camundongo, encontraram um gene (CSRP1) e uma molécula de gordura (palmitoyl-L-carnitine), que eram vizinhos no estriado do cérebro. Esse emparelhamento sugere como as células cerebrais e suas células de suporte (astrócitos) podem estar trocando fontes de energia.

O artigo não afirma ter resolvido todos os mistérios da biologia, e os autores admitem que algumas de suas ferramentas são mais lentas que outras. No entanto, eles forneceram uma maneira muito mais confiável de encontrar essas conexões moleculares sem serem enganados pela natureza desordenada dos dados do mundo real. Ao consertar a matemática, eles esperam que os cientistas possam agora confiar em suas descobertas sobre quais moléculas estão realmente trabalhando juntas, levando a melhores insights sobre como nossos corpos funcionam e como doenças como o câncer podem ser detidas.

Resumo Técnico: Testes Estatísticos para Associação Espacial Bivariada em Dados Multi-ômicos com Coordenadas Disjuntas

Definição do Problema

A emergência da ômica espacial multimodal permitiu a medição de múltiplos tipos de dados de alta dimensão (por exemplo, transcriptômica e metabolômica) em fatias de tecido consecutivas ou co-analisadas na mesma fatia. Um objetivo primário é detectar associações estatísticas entre características de diferentes modalidades para inferir processos biológicos. No entanto, as estruturas analíticas atuais enfrentam três desafios críticos:

Conjuntos de Coordenadas Disjuntos: Devido às diferenças na resolução espacial e nas áreas de medição entre tecnologias (por exemplo, 10x Genomics Visium vs. MALDI-MSI), mesmo após o alinhamento de imagens, não há um mapeamento um-para-um entre os pontos de medição (spots). Consequentemente, quantidades estatísticas padrão como distribuições conjuntas e correlações de Pearson são indefinidas.
Perda de Informação nas Práticas Atuais: A solução prevalente envolve agregar spots de alta resolução para corresponder à resolução mais baixa da outra modalidade. Essa "granulação" descarta a informação espacial e falha em explorar a resolução total dos dados.
Hipóteses Nulas e Suposições Inválidas: Muitos testes de associação bivariada existentes (por exemplo, correlação de Pearson padrão, testes de permutação ingênuos ou certas versões do Moran's I bivariado) assumem implicitamente observações independentes e identicamente distribuídas (i.i.d.) ou permutabilidade (exchangeability). Essas suposições são violadas nos dados de ômica espacial devido à Autocorrelação Espacial (SAC) inerente. Consequentemente, esses métodos frequentemente testam uma "hipótese nula de randomização" (ausência de SAC em qualquer variável) em vez de uma "hipótese nula de independência" (ausência de associação entre variáveis dada a SAC). Isso leva a taxas infladas de erro do Tipo I e conclusões enganosas onde padrões espaciais univariados são confundidos com associações bivariadas.

Metodologia

Os autores propõem um conjunto de testes estatísticos escaláveis projetados para operar diretamente em conjuntos de coordenadas disjuntas enquanto contabilizam explicitamente a SAC em ambas as variáveis. Os métodos estão implementados no pacote de R sbivar.

1. Bivariate Moran's I sob a Hipótese Nula de Independência

Conceito: Uma generalização do Moran's I bivariado ( $I_{xy} = x^T W y$ ) para coordenadas disjuntas usando uma matriz de pesos $W$ , onde os elementos $w_{ij}$ decaem com a distância entre o spot $i$ da modalidade X e o spot $j$ da modalidade Y.
Estimativa de Variância: Ao contrário de abordagens anteriores que assumem observações i.i.d., os autores derivam um estimador de variância analítica que incorpora a SAC. A variância é calculada como $\text{Var}(I_{xy}) = \text{tr}(W^T \hat{\Sigma}_x W \hat{\Sigma}_y)$ , onde $\hat{\Sigma}_x$ e $\hat{\Sigma}_y$ são matrizes de autocorrelação estimadas derivadas de modelos de variograma (por exemplo, o estimador de Matheron).
Teste: Assume-se que o estatístico de teste é assintoticamente normal padrão. Para detectar vários padrões espaciais, múltiplas matrizes de peso (com diferentes parâmetros de decaimento) são testadas, e seus valores-p são combinados usando o teste de combinação de Cauchy para valores-p dependentes.

2. Processos Gaussianos Bivariados (GPs)

Conceito: Modela o vetor concatenado de observações de ambas as modalidades ( $z$ $z$ ) usando uma distribuição Normal Multivariada. A matriz de covariância $\Sigma$ $Σ$ é decomposta em:
- Ruído independente.
- SAC univariada dentro de cada modalidade ( $\Sigma_{SAC}$ ).
- Covariância espacial bivariada ( $\Sigma_{biv}$ ) representando a associação de interesse.
Teste: Um teste de score é usado para testar a hipótese nula de que a componente de variância da associação bivariada ( $\tau$ ) é zero. Para lidar com a fronteira do espaço de parâmetros, um teste de score é preferível aos testes de Wald ou de razão de verossimilhança. O método testa tanto para associações positivas quanto negativas e combina valores-p através de uma gama de escalas de comprimento ( $l_{xy}$ ) usando o teste de combinação de Cauchy.

3. Modelos Aditivos Generalizados (GAMs)

Conceito: Modela os padrões espaciais de cada modalidade como funções suaves do espaço usando splines de suavização de placa fina 2D ( $s_x(c_i)$ e $s_y(e_j)$ ).
Tratamento da Disjunção: As superfícies de spline ajustadas são avaliadas em uma grade comum, uniformemente espaçada, dentro do casco côncavo (concave hull) dos dados. A covariância e a correlação entre essas superfícies avaliadas são calculadas.
Estimativa de Variância: Como as avaliações de spline são dependentes, fórmulas de variância padrão são inválidas. Os autores usam o método delta para propagar a incerteza dos coeficientes de spline para a estimativa de correlação, permitindo um teste z válido.
Extensões: A estrutura suporta diferentes distribuições de resultados (por exemplo, binomial negativa para transcriptômica, gama para metabolômica) e pode ser estendida para Modelos Aditivos Mistos Generalizados (GAMMs) para contabilizar a SAC residual.

4. Análise de Multi-Imagem

Para experimentos replicados (múltiplas seções de tecido), os autores propõem uma abordagem pragmática: calcular uma medida de associação (por exemplo, Moran's I ou correlação de spline) para cada imagem individualmente, e então inserir essas medidas em um modelo linear que contabiliza o desenho experimental. Esta abordagem quantifica a variabilidade entre réplicas em vez de dentro de uma única imagem, absorvendo naturalmente a variabilidade induzida pela SAC.

Principais Contribuições

Avanço Teórico: O artigo redefine a hipótese nula para associação espacial bivariada, distinguindo entre a "hipótese nula de randomização" (ausência de SAC) e a "hipótese nula de independência" (ausência de associação dada a SAC). Fornece estimadores de variância analítica para o Moran's I bivariado e para GAMs que contabilizam corretamente a SAC em coordenadas disjuntas.
Inovação Metodológica: Introduz três métodos escaláveis (Moran's I bivariado, GPs bivariados, GAMs) que não requerem o pareamento de spots ou agregação de dados, preservando assim a resolução espacial.
Implementação de Software: O desenvolvimento do pacote de R sbivar, que fornece uma interface unificada para esses testes, incluindo suporte para análises de seção única e múltiplas seções.

Resultados

Estudos de Simulação:

Controle de Erro do Tipo I: Simulações não paramétricas e paramétricas demonstram que muitos métodos existentes (incluindo correlação de Pearson padrão, Geary's C bivariado e testes de permutação ingênuos) sofrem de erros do Tipo I inflados quando a SAC está presente em uma ou ambas as variáveis. Em contraste, os métodos propostos (Moran's I bivariado sob a hipótese nula de independência, GPs bivariados e GAMs) controlam com sucesso as taxas de erro do Tipo I.
Poder: Os novos métodos exibem, de modo geral, bom poder para detectar vários padrões bivariados (por exemplo, "estrias", "zonas" e dependências de processo gaussiano). Embora os GPs bivariados e os GAMs sejam computacionalmente intensivos, o Moran's I bivariado e os GAMs oferecem um equilíbrio favorável entre velocidade e poder.
Robustez: Os métodos mantêm o controle do erro do Tipo I mesmo na presença de erros de alinhamento, embora o poder diminua conforme a distorção aumenta.

Aplicações em Dados Reais:

Dados Godfrey (Câncer de Pulmão/Mama Humano): Aplicado a dados de transcriptômica e metabolômica co-analisados. Os novos métodos identificaram pares gene-metabólito significativos que foram perdidos pela análise original baseada em correlação (que utilizou um limiar fixo). Notavelmente, uma associação positiva foi encontrada entre os transcritos Kallikrein (KLK10-13) e o metabólito PI 34:1 no câncer de pulmão, ligando-os à via de sinalização PI3K/AKT.
Dados Vicari (Cérebro de Camundongo): Aplicado a modelos de doença de Parkinson. A análise confirmou alguns achados anteriores, mas também revelou novas associações, como um vínculo positivo entre os transcritos CSRP1 e a palmitoil-L-carnitina no estriado, consistente com conhecidos mecanismos de transferência de lipídios entre astrócitos e neurônios.

Significância e Alegações

Os autores alegam que seu trabalho aborda uma lacuna crítica na análise de multi-ômica espacial ao fornecer ferramentas estatisticamente válidas para detectar associações bivariadas em conjuntos de coordenadas disjuntas. Eles argumentam que ignorar a SAC leva a falsas descobertas e que agregar dados para forçar o pareamento de coordenadas resulta em perda desnecessária de informação.

O artigo posiciona modestamente suas contribuições como uma correção necessária às práticas existentes:

Fornece o primeiro conjunto de testes que explicitamente contabiliza a SAC enquanto testa a hipótese nula de independência em coordenadas disjuntas.
Oferece um framework prático para analisar experimentos espaciais replicados sem exigir o ajuste de modelos únicos proibitivamente complexos.
Enfatiza que a inferência válida requer a separação da estimativa das estruturas espaciais univariadas do teste das associações bivariadas.

Os autores concluem que, embora nenhum método seja perfeito (por exemplo, os GAMs podem ter dificuldades com a SAC de curto alcance se a autocorrelação residual não for modelada, e os GPs são computacionalmente pesados), a combinação do Moran's I bivariado e dos GAMs, potencialmente confirmados por GAMMs, oferece uma estratégia robusta para descobrir a colocalização biológica significativa.