📊 statistics

Adaptive spatial blocking for scalable clustering inference with applications to high-throughput spatial proteomics

本文引入了一种自适应空间分块框架，该框架通过提取不相交的局部块，实现了可扩展、高效且具有统计效力的聚类推断，从而克服了传统 Ripley's K 函数方法在大规模空间蛋白质组学中的计算局限性。

原作者： Mingyu Go, Julia Wrobel, Hoseung Song

发布于 2026-06-11

📖 1 分钟阅读☕ 轻松阅读

原作者： Mingyu Go, Julia Wrobel, Hoseung Song

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你是一名试图在规模宏大、拥挤不堪的城市中破解谜团的侦探。你的任务是弄清楚某些群体（比如“浆细胞”，Plasma Cells）是在紧密联系的社区里聚在一起，还是仅仅随机散落在普通人群之中。

在科学世界里，这被称为空间聚类（spatial clustering）。长期以来，科学家们一直使用一种名为 Ripley's K-function 的工具来解决这个问题。你可以把这个工具想象成一个巨大的放大镜，它会观察整个城市中每一对人之间的距离，看看他们是否靠得很近。

问题所在：“全知之眼”太慢了

这个旧放大镜的问题在于，它试图测量每一个人和其他所有人之间的距离。

如果你有 10,000 人，那就是大约 5,000 万对组合需要检查。
如果你有 100,000 人（这在现代生物学中很常见），那就是数十亿对组合。

这就像试图统计一个体育场里所有可能的握手次数一样。对于巨大的数据集（例如高通量空间蛋白质组学，它绘制了组织中的细胞图谱），这种方法会耗费极长的时间和计算机内存，甚至会导致计算机直接崩溃或需要几天时间才能完成。

解决方案：“邻里守望”（B-KAMP）

本文的作者 Mingyu Go、Julia Wrobel 和 Hoseung Song 发明了一种更聪明的侦探工作方法。他们将这种方法称为 B-KAMP（基于排列分布解析矩的分块 K 调整法）。

以下是他们如何利用**“邻里守望”**的比喻来简化问题的：

分而治之： 他们不再一次性观察整个城市，而是将城市地图切割成较小的、易于处理的矩形社区（blocks）。
社区规则： 他们对这些社区设定了严格的规则：
- 它们不能太瘦或太长（以保持数学计算的公平性）。
- 它们必须包含足够多的人，以便做出准确的推测。
- 它们不能重叠；每个人都只属于一个社区。
自适应算法： 他们的计算机程序就像一个聪明的城市规划师。它会自动计算出切割地图的最佳方式，从而确保没有空间被浪费，且每个社区的大小都适合进行分析。即使面对巨大的地图，它也能非常快速地完成这项工作。
局部侦探工作： 与其检查整个城市的握手情况，侦探只检查每个小社区内部的握手情况。
最终判决： 一旦他们得到了所有社区的结果，他们就会将这些结果合并为一个最终答案。因为他们是在小块数据中进行繁重的数学运算，所以速度极快。

为什么这很重要（研究结果）

论文将这种新方法与旧的、缓慢的方法以及一些其他的捷径进行了对比测试。

速度： 旧方法（KAMP）在城市变得太大时（超过 40,000 人）就会崩溃。而新方法（B-KAMP）可以轻松处理拥有 100,000 人的城市，并且是处理大型图像最快的方法。
准确性： 尽管他们观察的是小社区而非整个城市，但新方法仍然非常出色，能够发现真相。它并没有漏掉人群的“聚集”现象。
现实测试： 他们在来自健康人类肠道的真实数据上测试了该方法。
- 他们发现浆细胞（一种免疫细胞）确实在紧密的小组中聚集在一起。
- 他们还发现浆细胞与巨噬细胞（另一种免疫细胞）正聚在一起（共定位）。

核心结论

作者们不仅发明了一个更快的计算机程序；他们还构建了一个系统，让科学家能够分析大规模、复杂的细胞图谱，而不会导致计算机崩溃。

简而言之： 他们用一种聪明的、分块调查的方式，取代了缓慢的、全方位搜索的方式。这让研究人员能够快速了解细胞在组织中是如何聚在一起的，从而帮助我们理解免疫系统的工作原理，同时节省了数小时的计算时间。

注：本文重点在于统计方法及其在健康肠道数据上的应用，以证明其有效性。它并不声称在本次研究中可以诊断疾病或预测患者预后。

技术摘要：用于可扩展聚类推断的自适应空间分块法

问题陈述
空间点模式的分析（特别是高通量空间蛋白质组学领域）高度依赖于 Ripley 的 $K$ -函数来评估聚类情况。然而，现有的基于 $K$ -函数的方法，包括最近提出的 $KAMP$ 框架（Wrobel and Song, 2024），在处理包含数十万甚至数百万个点的规模化数据集时，面临着严重的计算瓶颈。传统的置换检验需要进行 $O(n^2)$ 次距离计算，即使是更快的解析矩估计法 $KAMP $，仍需存储所有点对之间的距离，这会导致随着样本量增加而产生的极高内存占用和二次方计算复杂度（$ O(n^2)$）。诸如独立抽样（independent thinning）之类的降采样策略虽然提供了部分解决方案，但会导致显著的空间信息丢失和统计效能下降，无法从根本上解决二次方复杂度的难题。

方法论
为了应对这些可扩展性挑战，作者提出了 B-KAMP（基于块的 KAMP），这是一个基于自适应空间分块算法构建的空间聚类推断框架。

自适应空间分块算法：
该方法的核心是一个将大型观测窗口划分为若干不相交矩形块的算法。该算法分为三个阶段运行：
- 网格表示： 将定义域离散化为 $R \times C$ 的网格，其中每个单元格包含最多 $\sqrt{n}$ 个点。
- 块识别（阶段 I 和 II）： 使用一种受“直方图中的最大矩形”问题启发的基于直方图的方法，迭代地识别满足特定约束的矩形子区域：
  - 最小规模： 块必须包含至少 $\sqrt{m}$ 个感兴趣点（POIs）以及足够数量的背景点，以确保非退化的置换分布。
  - 长宽比： 块受到最大长宽比 $\rho$ 的约束，以确保统计稳定性（避免因过度细长的形状导致边缘校正估计量产生偏差）。
  - 算法优先选择总点数最少的块，以最大化不相交块的数量并保持计算效率。
- 块补全（阶段 III）： 未被分配到块的剩余网格单元通过扩展块边界至最小外接矩形的方式，迭代地合并到相邻的块中，前提是生成的块仍与其它块保持不相交且满足长宽比约束。这最大限度地减少了空间覆盖损失。
基于块的检验统计量：
在每个识别出的块 $i$ 内，该方法使用基于 $KAMP $框架下条件标签置换零分布的解析矩来计算标准化$ K $-函数统计量$ Z_i(r)$。
- 全局检验统计量 $Z(r)$ 定义为块级统计量的加权和： $Z(r) = \sum w_i Z_i(r)$ 。
- 权重 $w_i$ 的选择与 $n_i/p_i$ 成正比（其中 $n_i$ 是总点数， $p_i$ 是块内 POIs 的局部流行度），从而对信号稀疏的块进行加权。
- 在条件块级置换零假设下，作者证明了当块数 $b \to \infty$ 时，全局统计量 $Z(r)$ 通过 Lyapunov 中心极限定理收敛于标准正态分布 $\mathcal{N}(0,1)$ 。这使得无需进行经验置换重复即可实现快速 $p$ 值计算。
双变量分析扩展：
该框架被扩展用于测试两种点类型（例如浆细胞和巨噬细胞）之间的空间共定位，使用双变量 $K$ -函数估计量，并采用类似的块级标准化和聚合方法。

核心贡献

可扩展算法： 开发了一种 $O(RC) $的自适应空间分块算法，能够高效识别大规模点模式中的有效矩形块，避免了全窗口成对计算带来的$ O(n^2)$ 复杂度。
统计框架： 构建了一个通过加权和聚合局部证据的基于块的聚类检验，利用渐近正态性实现快速推断。
实际应用： 提供了一种通用的分块策略，适用于各种可扩展的空间方法，并通过 GitHub 提供代码。

结果

模拟研究：
- 计算效率： B-KAMP 的扩展性与点数呈线性关系，对于高达 100,000 个点的数据集仍具有可行性。相比之下，全窗口 $KAMP $在$ n \ge 40,000 $时会因内存限制而失效，而降采样$ KAMP $($ KAMP_{0.25}$) 仍然计算昂贵。B-KAMP 是大 $n$ 情况下的最快方法。
- 统计效能： 虽然在可行的情况下全窗口方法通常获得最高效能，但 B-KAMP 展示了极具竞争力的效能，特别是在半径 $r \approx 0.15$ （相对于块大小）处。它优于重度降采样的方法（ $KAMP_{0.25}$ ）并保持了有效的第一类错误控制。
- 鲁棒性： 该方法在不同点丰度和网格分辨率下表现出稳健的性能。
真实数据应用（空间蛋白质组学）：
- 应用于一个包含约 260 万个细胞（跨越 65 幅图像）的健康人类肠道组织数据集。
- 该方法成功检测到了浆细胞强烈的空间聚集现象，以及浆细胞与巨噬细胞之间显著的共定位关系。
- 对于大型图像，B-KAMP 比降采样 $KAMP $基准提供了更强的统计证据（更低的$ p$ 值），并在全窗口方法超出可用内存时展现了良好的扩展性。

意义与声明
论文声称 B-KAMP 在统计效能和计算效率之间取得了理想的平衡，为此前在计算上难以实现的、针对高通量空间蛋白质组学数据的大规模空间聚类推断提供了可能。作者将该方法定位为并非作为小数据集全窗口程序的替代品，而是作为处理大规模图像时传统方法失效时的必要可扩展方案。

作者对其局限性保持了审慎的态度：

该方法是一种条件块级检验，这意味着它没有利用跨块边界的空间关系，可能会削弱跨越多个块的聚类模式，从而导致与全窗口方法相比存在一定的效能损失。
其性能取决于初始网格分辨率以及阶段 III 中贪婪性质的块补全过程。
未来的工作建议包括数据驱动的网格选择、块形状的全局优化以及向 3D 空间数据的扩展。

问题所在：“全知之眼”太慢了

解决方案：“邻里守望”（B-KAMP）

为什么这很重要（研究结果）

核心结论

类似论文