OT-knn: a neighborhood-aware optimal transport framework for aligning spatial transcriptomics data

本文提出了一种名为 OT-knn 的邻域感知最优运输框架，通过整合局部空间邻域信息来增强基因表达表征的鲁棒性，从而有效解决了空间转录组数据在跨切片、跨个体及跨发育阶段对齐中面临的稀疏性、异质性和几何形变等挑战。

要点

这篇论文介绍了一种名为 OT-knn 的新方法，它的任务是帮助科学家把不同时间、不同人或不同切片上的“组织地图”完美地拼合在一起。

为了让你更容易理解，我们可以把这项技术想象成**“给城市做拼图”或者“给双胞胎做身份匹配”**。

1. 背景：我们在拼什么？（空间转录组学）

想象一下，你的身体是由无数个微小的“细胞街区”组成的。以前，科学家想研究这些街区，必须把细胞拆散，像把乐高积木倒进桶里一样，虽然能知道有哪些积木（基因），但完全不知道它们原本是怎么排列的（位置）。

现在的新技术（空间转录组学）就像给每个积木贴上了 GPS 坐标，不仅知道它是什么，还知道它住在城市的哪个角落。这让我们能画出非常精细的“城市地图”。

但是，问题来了：

• 地图会变形： 就像把一张纸揉皱了再展开，或者切蛋糕时切歪了，不同切片的形状都不一样。
• 数据有噪音： 就像在嘈杂的集市里听人说话，有些基因信号太弱，听不清楚（数据稀疏）。
• 个体有差异： 就像双胞胎虽然长得像，但衣服和发型不同，很难直接说“这个点就是那个点”。

科学家需要一种方法，能把两张形状不同、细节模糊的“城市地图”精准地重叠在一起，看看同一个位置在不同时间或不同人身上发生了什么变化。

2. 旧方法的困境：只看“单点”容易迷路

以前的方法（比如 PASTE、SLAT 等）有点像**“只看单个路标”**。

• 它们试图直接比较两个地图上某个具体点（Spot）的基因表达。
• 缺点： 如果那个点刚好信号很弱（噪音大），或者因为切片变形导致位置稍微偏了一点，旧方法就会“迷路”，把两个不相关的点强行配对，或者干脆找不到匹配的对象。这就像在雾天只看一个模糊的路牌，很容易认错路。

3. OT-knn 的绝招：看“ neighborhoods"（邻里关系）

这篇论文提出的 OT-knn 方法，核心思想非常聪明：不要只看一个人，要看他的朋友圈。

• 核心比喻：邻里画像
  想象你要在两个不同的城市里找同一个“老张”。

  • 旧方法：只问“老张”长什么样。如果老张今天戴了帽子（噪音）或者换了衣服（个体差异），你可能就认不出来了。
  • OT-knn 方法：它问的是：“老张住在哪里？他隔壁是谁？他对面是谁？他周围的社区氛围怎么样？”
  • 即使“老张”本人有点模糊，但他周围的邻居（k 近邻）和整个街区的风格（微环境）是相对稳定的。通过把“老张”和他周围的邻居打包成一个**“社区画像”**，这个方法就能更稳定、更准确地认出他。

• 技术原理（简单版）：

  1. 重构： 它不直接拿原始数据比对，而是先给每个点“画”一个包含它自己及其周围邻居信息的综合画像。这就像把模糊的像素点通过周围的像素进行了“智能修复”，让图像更清晰。
  2. 最优运输（Optimal Transport）： 这是一个数学工具，用来计算怎么把一张地图上的“土”（细胞/基因信息）最省力地搬运到另一张地图上，让两张图重合得最好。
  3. 结果： 它不仅能告诉你“点 A 对应点 B"，还能给出一个概率（比如：90% 可能是 A 对应 B，10% 可能是 C），这比生硬的“是或否”更科学，因为它考虑了不确定性。

4. 它表现如何？（实战演练）

作者把这个方法拿去各种“硬骨头”上测试，效果都很棒：

• 模拟实验（人造干扰）： 他们故意把地图揉皱、把数据弄乱。结果发现，旧方法要么完全乱套，要么丢了很多点找不到；而 OT-knn 就像个经验丰富的老向导，即使路被堵了、路标模糊了，也能顺着“邻里关系”把路找回来。
• 人类大脑（不同切片）： 在人类大脑皮层的切片比对中，OT-knn 比竞争对手更准确地找到了对应的脑层，尤其是在那些形状差异大的地方。
• 小鼠大脑（不同个体）： 即使是两只不同的小鼠，大脑结构也有细微差别。OT-knn 能忽略这些个体差异，精准匹配出相同的功能区域。
• 蝾螈大脑（生长发育）： 这是最难的，因为蝾螈从胚胎到成年，大脑在疯狂生长和变化。OT-knn 成功追踪了细胞从“干细胞”变成“成熟神经元”的整个旅程，就像看了一部延时摄影，清晰地展示了细胞是如何“搬家”和“变身”的。

5. 总结：为什么这很重要？

OT-knn 就像给科学家装上了一副“透视眼镜”和“智能导航”。

它不再死板地对比单个数据点，而是懂得利用**“邻里关系”**来对抗噪音和变形。这使得科学家能够：

• 更准确地研究疾病（比如癌症在不同切片上的扩散）。
• 更清晰地理解发育（细胞是如何一步步长大的）。
• 更可靠地对比不同个体（为什么有的人会生病，有的人不会）。

简单来说，OT-knn 让科学家在拼凑生命这张巨大的、复杂的、有时还皱皱巴巴的拼图时，不再需要靠猜，而是有了最可靠的胶水。

技术摘要

这是一篇关于空间转录组学（Spatial Transcriptomics, ST）数据对齐方法的论文技术总结。论文提出了一种名为 OT-knn 的新框架，旨在解决不同组织切片、个体、平台或发育阶段之间的空间转录组数据对齐难题。

以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

空间转录组技术能够在保留组织空间位置信息的同时测量基因表达，对于理解组织结构和细胞互作至关重要。然而，将不同切片、个体或发育阶段的数据进行**对齐（Alignment）**面临巨大挑战，主要原因包括：

• 数据稀疏性与噪声：ST 数据通常具有高维稀疏性（Dropout 现象），导致对应位点间的转录组相似性减弱。
• 生物异质性：个体差异、细胞类型组成的变化以及发育进程会导致真实的解剖对应关系模糊。
• 几何畸变：组织制备、切片和固定过程中的技术因素会导致非线性形变（如扭曲、膨胀或收缩），破坏了刚性几何假设。
• 现有方法的局限性：现有的对齐方法（如 PASTE, DeST-OT, SLAT 等）在处理高度异质、噪声大且几何形状差异显著的切片时，往往表现不佳，容易出现对齐不准确或大量位点未对齐的情况。

2. 方法论 (Methodology)

OT-knn 的核心思想是利用局部邻域信息来增强单点表达谱的鲁棒性，并将其整合到最优传输（Optimal Transport, OT）框架中。具体步骤如下：

1. 数据预处理：

   • 选取两个切片间共享的高变基因（Top 5,000）。
   • 进行标准化、对数转换及主成分分析（PCA），降维至前 50 个主成分。

2. 基于 k-近邻（kNN）的邻域感知重构：

   • 不直接使用单点的原始表达谱，而是为每个点构建空间 k-近邻图。
   • 利用距离加权的平均算法，将每个点的表达谱重构为其自身及 $k$ 个最近邻点的加权组合。
   • 优势：这种重构捕捉了微环境上下文，平滑了局部噪声，使得表达谱对技术噪声和生物变异性更具鲁棒性。

3. 基于最优传输（OT）的概率对齐：

   • 使用地球移动距离（Earth Mover's Distance, EMD）解决平衡最优传输问题。
   • 目标是最小化两个切片间重构表达谱的转录组差异成本。
   • 输出一个概率对齐矩阵，量化切片间位点之间的对应关系。该矩阵支持软对齐（Soft alignment，用于不确定性建模）和硬的一对一匹配（One-to-one matching）。

3. 主要贡献 (Key Contributions)

• 提出邻域感知框架：首次将局部空间邻域信息显式地整合到最优传输对齐框架中，通过重构微环境表达谱来解决单点噪声问题。
• 跨平台与跨场景的鲁棒性：该方法在测序型（如 10x Visium, Stereo-seq）和成像型（如 MERFISH）ST 平台上均表现优异，且能处理几何畸变、供体异质性和发育动态变化。
• 生物可解释性：在发育生物学场景中，OT-knn 不仅能保持细胞类型的对应，还能揭示符合已知生物学知识的发育轨迹（如从祖细胞到成熟神经元的转变）。

4. 实验结果 (Results)

作者在模拟数据和多个真实数据集上评估了 OT-knn，并与 PASTE、DeST-OT 和 SLAT 进行了对比：

• 模拟数据评估：

  • 在空间畸变、基因表达变异及两者组合的扰动下，OT-knn 在“最佳匹配准确率”和“映射概率准确率”上均优于其他方法。
  • 相比之下，PASTE 对空间坐标依赖过强，在非线性畸变下表现不佳；DeST-OT 和 SLAT 在表达噪声下容易出现大量未对齐位点。

• 人类 DLPFC 数据 (10x Visium)：

  • 在 12 个切片（3 个供体）的对齐中，OT-knn 在 9 次对齐中的 8 次取得了最高的最佳匹配准确率。
  • 特别是在切片间距较大（300 µm）导致解剖差异较大的情况下，OT-knn 仍保持了显著优于其他方法的性能。

• 小鼠脑衰老数据 (MERFISH)：

  • 在同供体和跨供体（不同个体）的对比中，OT-knn 均表现出最高的对齐精度。
  • 证明了该方法能有效克服个体间的生物学差异。

• 蝾螈脑发育数据 (Stereo-seq)：

  • 在跨越 5 个发育阶段（从胚胎到成体）的对齐中，OT-knn 表现最佳。
  • 细胞类型层面：OT-knn 保持了同一细胞类型在不同阶段的对角线对应关系，且比 DeST-OT 更准确地捕捉了特定抑制性神经元亚型的对应。
  • 发育轨迹：OT-knn 成功重建了从室管膜胶质细胞（EGC，祖细胞）到成熟兴奋性神经元（dpEX）的发育轨迹，其基因表达动态符合已知的生物学规律，而 DeST-OT 则出现了部分不符合生物学常识的错位对齐。

• 计算效率：

  • OT-knn 与 DeST-OT 在 CPU 上的运行时间相当，远优于无法收敛的 PASTE。SLAT 虽然最快但需要 GPU 加速。

5. 意义与结论 (Significance)

• 通用性强：OT-knn 提供了一种通用的解决方案，能够适应不同技术平台（测序/成像）和不同生物学场景（同/异体、发育/稳态）。
• 提升下游分析可靠性：通过提供更准确、更稳健的空间对齐，OT-knn 使得跨样本比较、三维重建和发育轨迹推断更加可靠。
• 生物学洞察：该方法不仅能对齐空间位置，还能揭示符合生物学逻辑的细胞状态转变，为研究器官发育、衰老和疾病机制提供了强有力的工具。

总结：OT-knn 通过引入局部邻域信息来增强表达谱的稳定性，结合最优传输理论，成功解决了空间转录组数据对齐中噪声大、异质性强和几何畸变等核心难题，是目前该领域性能领先且鲁棒性强的对齐工具。