Spatially resolved contrastive analysis of perturbation-driven microenvironmental heterogeneity across tissues and conditions
本文介绍了 Haruka，这是一个具有空间感知能力的对比学习框架，它通过将特定条件的微环境变化与共享的组织结构解耦，从而系统地分析跨多种空间组学平台和疾病背景的扰动驱动异质性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
组织不仅仅是细胞的袋子；它们是复杂的城市，其中建筑的位置决定了其功能。生活在组织宁静郊区的细胞，与其在繁华市中心生活的完全相同的孪生兄弟相比，其行为方式截然不同，即便它们拥有相同的遗传蓝图。几十年来，科学家们一直致力于绘制这些“社区”的地图，但往往将每个细胞视为孤立的个体，而非特定社区的居民。这种局限性在试图理解组织如何响应疾病或治疗时成为了一个主要障碍。当药物被施用或病毒发起攻击时，反应并不是统一的；它完全取决于每个细胞周围的局部环境。为了真正理解为什么某种疗法对一个人有效而对另一个人无效，或者为什么某种疾病在某些器官中进展而在其他器官中则不然，研究人员需要一种方法，将组织的永久性架构与由事件本身引起的临时变化区分开来。
一种名为 Haruka 的新型计算工具，由怀特海德研究所（Whitehead Institute）的研究人员及其同事开发，为解决这一问题提供了方案。Haruka 并非孤立地观察细胞，而是作为一个透镜，将组织的稳定、共享结构与其中发生的独特、特定于条件的改变区分开来。想象一下，试图在嘈ently的房间里听清一段特定的对话；你必须首先了解背景噪音，才能隔离出你感兴趣的声音。同样，Haruka 学习组织的“背景”——即无论患者健康还是患病、接受治疗还是未受治疗都保持不变的部分——然后突出显示对特定事件做出反应的“显著”部分。通过这样做，该工具可以揭示细胞在其特定邻里中如何适应、抵抗或失败的隐藏模式，从而提供比以往更清晰的生物复杂性图景。
研究人员首先在模拟数据上测试了这种方法，随后在真实的生物样本上进行了测试，以观察其是否能超越现有方法。在这些测试中，Harлоka 成功识别了细胞对扰动（如衰老或药物治疗）做出不同反应的具体区域，同时正确地忽略了保持不变的组织部分。与以往要么忽略空间背景，要么无法分离信号与噪声的工具不同，Haruka 能够同时做到这两点。它学会了识别细胞的行为是如何受其邻居影响的，并利用这一知识绘制出独特的“微环境”。这些不仅仅是随机的细胞簇，而是具有共同特征、并以协调方式响应世界的组织化社区。
该工具最引人注目的应用之一是对黑色素瘤（一种皮肤癌）的研究，以及患者对免疫疗法的反应情况。研究人员分析了六名患者在治疗前后的组织样本，寻找能够预测疗效的空间特征。Haruka 识别出了肿瘤内的四种不同类型的免疫邻里。在对治疗反应良好的患者中，该工具发现了两种特定类型的邻里，其中免疫细胞（特别是 T 细胞的一个类干细胞亚群）正在积极与癌细胞互动。在其中一种类型中，这些免疫细胞形成了活跃的密集枢纽；而在另一种类型中，它们与周围的组织结构保持着一种平衡的伙伴关系。相反，在对治疗反应不佳的患者中，Haruka 揭示了两种不同的耐药性邻里。这些区域的特征是缺乏关键的免疫细胞，并由其他细胞类型主导，形成了一道屏蔽，有效地将肿瘤从免疫系统中隐藏起来。该工具表明，治疗的成功不仅在于免疫细胞的存在，还在于它们特定的空间排列以及它们所处的邻里类型。
研究人员还将 Haruka 应用于人类肺组织，以追踪纤维化（一种肺组织变硬和瘢痕化的疾病）的进展。通过比较健康肺样本与来自不同程度纤维化患者的样本，该工具能够以极高的精度绘制从健康到疾病的转变过程。它识别出了即将变得纤维化的细胞中的特定早期预警信号，早在组织表现出明显的损伤迹象之前。这使得研究人员能够看到一个健康的细胞何时开始改变其身份，并在邻居的驱动下开始产生导致器官衰竭的瘢痕组织。该工具非常有效，能够高精度地对齐不同患者的组织样本，揭示出一条此前难以察觉的一致的疾病进展路径。
在一项关于由特定基因突变驱动的肺癌研究中，Harکa 帮助解释了为什么某些肿瘤会对靶向药物产生耐药性。研究人员用一种旨在杀死这些癌细胞的药物治疗小鼠，然后使用该工具检查存活的肿瘤。他们发现，耐药性并非随机发生，而是组织成了特定的空间生态位。在这些耐药区域，癌细胞被一种独特的免疫细胞和其他组织成分的混合物所包围，从而受到保护。该工具揭示了这些保护性邻里正在积极抑制免疫系统，创造了一个让癌细胞能够在药物存在的情况下继续生长的避风港。这一发现表明，为了克服耐药性，未来的治疗可能不仅需要针对癌细胞，还需要针对庇护它们的特定微环境。
最后，研究人员通过将 Haruka 应用于一个复杂的数据集，测量了同一组织样本中基因活性和 DNA 可及性（在小鼠脑炎症模型中），从而推向了该工具的边界。这种多模态方法使他们能够观察到基因代码的可及性变化如何导致特定脑区内基因表达的变化。Haruka 成功地将共享的大脑架构与特定的炎症反应分离出来，识别出了在不同大脑部位活跃的独特调节程序。当他们将这些发现与人类遗传数据进行比较时，发现该工具识别出的特定大脑邻里与精神疾病（如精神分裂症和双相情感障碍）的遗传风险因素密切相关。这种联系表明，大脑细胞如何组织自身以及如何响应炎症，可能在这些复杂疾病中发挥着根本性的作用，为理解精神疾病的生物学根源提供了一种新途径。
Haruka 的开发代表了我们在理解生命空间逻辑方面迈出的重要一步。通过将恒定与变化、共享与特定分离，它提供了一个剖析驱动健康与疾病的复杂相互作用的框架。该工具已经揭示了癌症、纤维化和脑部疾病中隐藏的模式，这表明许多医学之谜的关键不仅在于细胞本身，还在于它们构建的邻里。随着研究人员将这种方法应用于新的数据集和疾病，它有望揭示那些支配着我们的身体如何应对世界挑战的、细微且具有空间组织性的机制。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。