Characterizing dynamic tissue architectures by identifying cell-type-specific spatiotemporal gene programs with stGP

Resumo Técnico: Caracterização de Arquiteturas Teciduais Dinâmicas com stGP

Definição do Problema
Programas gênicos celulares desenrolam-se ao longo do tempo biológico dentro de tecidos espacialmente organizados, onde o mesmo tipo celular pode ativar programas moleculares distintos dependendo de sua localização, estágio de desenvolvimento ou nicho multicelular local. Embora a transcriptômica espaciotemporal permita a medição in situ desses processos, analisar tais dados apresenta um desafio significativo: a progressão temporal (ex: envelhecimento ou recuperação de lesão), a organização anatômica dentro de seções de tecido e a variação associada ao nicho local ocorrem simultaneamente através de seções de tecido distintas e, frequentemente, não alinhadas. Métodos existentes têm dificuldade em desembaraçar se a atividade de um programa gênico é impulsionada por mudanças temporais, estrutura espacial ou pela interação entre ambas. Abordagens atuais, como PCA, NMF e métodos com consciência espacial como SpatialPCA, Popari ou MEFISTO, frequentemente falham em fornecer um framework unificado que decomponha a atividade de programas de tipos celulares em trajetórias temporais separáveis e efeitos espaciais, preservando a identidade molecular interpretável (loadings de genes) de cada programa.

Metodologia: O Framework stGP
Para enfrentar esses desafios, os autores apresentam o stGP (spatiotemporal Gene Programs), um framework estatístico projetado para estudos transcriptômicos espaciotemporais de múltiplas amostras. O stGP opera dentro de um tipo celular alvo e modela a expressão gênica como um pequeno número de programas gênicos latentes.

• Estrutura do Modelo: O stGP representa a matriz de expressão $Y$ de uma amostra como uma decomposição em um efeito de base, uma matriz de incorporação (embedding) celular espaciotemporal $H$ e uma matriz de loadings de genes $W$.
  • Loadings de Genes ($W$): Definidos como vetores não negativos em um simplex, eles representam conjuntos de genes ponderados e interpretáveis compartilhados entre todas as amostras. Isso garante que a identidade molecular de um programa permaneça consistente.
  • Embeddings Celulares ($H$): A atividade de cada célula para um programa específico é decomposta em dois componentes:
    1. Efeito Temporal ($\alpha$): Um efeito ao nível da amostra compartilhado por todas as células daquele tipo provenientes de um indivíduo em uma idade/estágio biológico específico. É modelado usando um prior de Processo Gaussiano (GP) suavizado sobre a covariável temporal.
    2. Efeito Espacial ($b$): Um efeito heterogêneo ao nível da célula que varia dentro de uma seção de tecido. É modelado usando um prior de GP separado definido sobre distâncias euclidianas pareadas dentro da seção, permitindo a variação espacial local sem exigir o registro entre seções.
• Inferência: O modelo estima os loadings de genes, os embeddings celulares e os componentes de variância (quantificando a contribuição relativa de tempo vs. espaço) usando um algoritmo de backfitting por blocos. O algoritmo alterna entre atualizar as atividades dos programas, os loadings de genes no simplex e os componentes de variância via maximização da log-verossimilhança marginal. O número de programas pode ser determinado automaticamente durante a seleção do modelo.
• Eficiência Computacional: Ao explorar a estrutura de bloco-diagonal dos kernels espaciais dentro da seção e os termos de baixo rank temporais, o stGP evita a complexidade $O(N^3)$ da inversão padrão de GP, alcançando uma complexidade de $O(\sum N_t^2 + T^3)$ por atualização.

Resultados Principais
Os autores avaliaram o stGP através de simulações abrangentes e três conjuntos de dados transcriptômicos espaciotemporais do mundo real:

1. Estudos de Simulação: O stGP superou os métodos de base (PCA, NMF, SpatialPCA, Popari, STAMP, MEFISTO) na recuperação de programas gênicos latentes, detecção de genes verdadeiros e reconstrução de embeddings celulares. Crucialmente, o stGP foi o único método capaz de recuperar com precisão programas impulsionados puramente por efeitos temporais ou puramente por efeitos espaciais, desentrelaçando corretamente as duas fontes de variação.
2. Córtex Pré-Frontal Dorsolateral Humano (DLPFC) - Envelhecimento: Aplicado a dados de MERFISH de doadores com idades entre 15 e 87 anos, o stGP resolveu a arquitetura de neurônios excitatórios específica de camadas em seções não alinhadas de forma mais precisa que os baselines. Identificou estruturas laminares estáveis (L2/3, L4, L5/6) enquanto revelou a atenuação dependente da idade de estados transcricionais específicos. Além disso, o stGP descobriu um programa de oligodendrócitos (stGP4) associado a um nicho multicelular compartilhado (MCN2) na substância branca profunda, mostrando que o envelhecimento remodela a atividade e o emprego de nichos pré-existentes em vez de criar novos.
3. Cérebro de Camundongo em Envelhecimento: Em um conjunto de dados de MERFISH de cérebros de camundongos, o stGP identificou um programa microglial de vida tardia (stGP2) caracterizado por apresentação de antígenos MHC-I e genes responsivos a interferon. Este programa mostrou um aumento progressivo com a idade e tornou-se espacialmente enriquecido em tratos de substância branca (corpo caloso e comissura anterior). A análise revelou que essa ativação espacial estava fortemente acoplada a vizinhanças locais de células T, distinguindo-se de efeitos gerais de regiões anatômicas.
4. Lesão-Reparo Renal em Camundongo: Aplicado a um conjunto de dados de série temporal de Xenium após lesão de isquemia-reperfusão bilateral, o stGP identificou programas imunes e epiteliais reprodutíveis e específicos de estágio através de réplicas bilaterais de rim. Ele separou com sucesso as respostas agudas à lesão das transições posteriores de inflamação-para-reparo e da remodelação imuno-estromal persistente, mapeando esses programas para nichos celulares e zonas de lesão específicos.

Significância e Alegações
O artigo afirma que o stGP fornece um framework robusto e eficaz para dissecar a arquitetura tecidual dinâmica, convertendo dados transcriptômicos espaciotemporais em trajetórias temporais interpretáveis e modelos espacialmente resolvidos. Sua principal significância reside na capacidade de:

• Desacoplar a Variação: Separar explicitamente as respostas temporais compartilhadas das estruturas anatômicas estáveis e da remodelação espacial localizada.
• Preservar a Interpretabilidade: Manter loadings de genes não negativos consistentes entre as amostras, permitendo que os programas sejam definidos por assinaturas moleculares claras.
• Revelar Dinâmicas de Contexto: Descobrir como os programas específicos de tipo celular são coordenados através do tempo biológico e microambientes espaciais, como identificar "hotspots de envelhecimento" ou estados "acoplados ao nicho" que são perdidos por métodos que tratam tempo e espaço como um fator confundido único.

Os autores posicionam o stGP como uma ferramenta versátil para estudar processos biológicos onde o estado molecular, a organização espacial e o tempo biológico estão intimamente entrelaçados, oferecendo insights sobre a arquitetura tecidual preservada versus a remodelação dinâmica.