spaGFM is a scalable graph foundation model for spatial transcriptomics analyses

A biologia há muito depende de levar um microscópio a um pedaço de tecido e contar as células que vê, mas essa abordagem frequentemente perde a visão do todo. Uma única célula não existe no vácuo; seu comportamento é ditado pela companhia que mantém. Em um órgão vivo, a função de uma célula muda dependendo se ela está sentada ao lado de um vizinho que está combatendo uma infecção ou de um que está silenciosamente reparando um dano. Para entender como os tecidos funcionam, e por que eles falham em doenças, os cientistas precisam ver não apenas os jogadores individuais, mas os bairros complexos e mutáveis que eles formam. Nos últimos anos, uma nova tecnologia chamada transcriptômica espacial tornou isso possível ao mapear exatamente onde cada gene é ativado dentro de uma amostra de tecido, preservando o mapa do bairro junto com a lista de seus residentes. No entanto, esses mapas estão se tornando tão vastos e detalhados que são difíceis de serem lidos por computadores. Os dados não são uma simples lista de palavras ou uma linha reta de código; são uma teia emaranhada de conexões, onde a distância e o relacionamento entre as células importam mais do que as próprias células.

Uma equipe de pesquisadores introduziu uma nova ferramenta chamada spaGFM, projetada para dar sentido a esses intrincados bairros celulares. Pense nisso como um sistema que aprende a ler a história de um tecido ao traçar os camros entre suas células, em vez de apenas olhar para elas isoladamente. Os pesquisadores treinaram este sistema em uma coleção massiva de dados, alimentando-o com informações de 132 amostras de tecidos diferentes contendo quase 44 milhões de células. Essas amostras vieram de várias partes do corpo humano e de camundongo, incluindo o pulmão, o fígado e o cérebro, e foram capturadas usando diferentes máquinas de imagem de alta resolução. Ao estudar essa biblioteca enorme, o sistema aprendeu a reconhecer os padrões de como as células se organizam em grupos funcionais. Ele faz isso tratando o tecido como um mapa de pontos conectados, onde cada ponto é uma célula. Em vez de tentar processar todo o mapa de uma vez, o sistema realiza "caminhadas" pelo mapa, saltando de uma célula para seu vizinho, e depois para o vizinho desse vizinho. Ele registra essas jornadas como uma sequência de passos, permitendo-lhe compreender o ambiente local de qualquer célula dada, desde seus arredores imediatos até o bairro mais amplo que ela habita.

O poder desta abordagem foi testado em três desafios biológicos muito diferentes, cada um revelando quão bem o sistema poderia aplicar o que aprendeu a novas situações. Primeiro, os pesquisadores perguntaram se o sistema poderia encontrar estruturas imunes específicas conhecidas como estruturas linfoides terciárias. Estas são pequenos aglomerados organizados de células imunes que se formam nos tecidos durante inflamações crônicas ou câncer, e sua presença frequentemente prevê quão bem um paciente responderá ao tratamento. Identificá-las é notoriamente difícil, especialmente em dados de imagem mais antigos e de menor resolução, onde as fronteiras entre as células são borradas. O sistema, tendo sido treinado apenas em imagens de alta resolução, foi capaz de localizar com sucesso essas estruturas em dados de menor resolução de amostras de câncer de pulmão e rim. Ele fez isso sem precisar ser retreinado nos novos dados, simplesmente reconhecendo os padrões espaciais que havia aprendido anteriormente. Os resultados mostraram que o sistema podia distinguir esses aglomerados imunes do tecido tumoral circundante com mais precisão do que métodos anteriores, mesmo quando os dados vinham de um tipo de máquina completamente diferente.

Em seguida, a equipe explorou como o sistema compreendia a influência do ambiente imune nas células cancerígenas. Em um estudo envolvendo experimentos genéticos em tumores de camundongos, os pesquisadores já haviam alterado genes específicos em células cancerígenas para ver como elas reagiam. A questão era se a reação de uma célula cancerígena dependia de estar ao lado de uma célula T, um tipo de célula imune. O sistema foi capaz de observar as mudanças genéticas nas células cancerígenas e prever corretamente quais estavam perto de células T e quais estavam longe, simplesmente analisando os padrões em sua atividade gênica. Mais importante ainda, ele pôde prever como uma célula cancerígena reagiria a uma mudança genética que nunca havia visto antes, mas apenas se essa reação dependesse de sua proximidade com uma célula imune. Isso sugere que o sistema realmente aprendeu as regras de como as células conversam com seus vizinhos, em vez de apenas memorizar uma lista de comportamentos gênicos.

Finalmente, os pesquisadores aplicaram a ferramenta a uma biópsia renal humana de um paciente com doença renal diabética. Nesta condição, as minúsculas unidades de filtragem do rim, chamadas glomérulos, tornam-se danificadas e cicatrizadas. Patologistas classificam esse dano de leve a grave, mas fazer isso a olho nu é difícil e subjetivo. O sistema foi capaz de observar o tecido e agrupar automaticamente as células nas categorias de dano corretas, correspondendo às classificações atribuídas por especialistas humanos. Ele até identificou novas áreas que pareciam glomérulos danificados, mas que haviam sido perdidas pela revisão humana inicial, as quais foram posteriormente confirmadas pela presença de marcadores moleculares específicos. O sistema também revelou que, à medida que o dano piorava, a composição do bairro mudava de formas previsíveis, com certas células protetoras desaparecendo e outras ocupando o seu lugar.

A significância deste trabalho reside em sua capacidade de escala. Métodos anteriores para analisar esses mapas celulares frequentemente enfrentavam dificuldades quando os dados cresciam demais ou tornavam-se complexos demais, ficando sobrecarregados pelo puro número de conexões. Esta nova abordagem contorna esses limites ao converter a complexa teia de conexões célula-a-célula em um formato que os computadores modernos podem processar eficientemente. Ela permite que os cientistas aprendam regras gerais sobre como os tecidos são construídos e como eles falham, regras que permanecem válidas em diferentes órgãos e diferentes doenças. Embora o sistema não seja uma solução mágica que substitui os especialistas humanos, ele fornece uma nova e poderosa lente para visualizar o mundo microscópico. Ele transforma o amontoado caótico de bilhões de células em uma história legível de organização, oferecendo um caminho mais claro para a compreensão dos princípios fundamentais da vida e da doença.