Atlas-scale spatially aware clustering with support for 3D and multimodal data using SpatialLeiden

本文介绍了 SpatialLeiden 算法的扩展版本，该算法通过基于批次校正潜在空间的灵活邻接图复用，实现了支持 3D 序列切片及多模态数据的 atlas 级大规模空间聚类，在标准硬件上展现出卓越的模块化、可扩展性及与脑图谱的一致性，并兼容 scverse 生态以促进广泛采用。

要点

这篇论文介绍了一个名为 SpatialLeiden 的新工具，它就像是一个超级智能的“空间拼图大师”，专门用来处理一种非常复杂的生物数据——空间组学数据。

为了让你更容易理解，我们可以把这项技术想象成在解决一个巨大的、立体的、多角度的城市地图绘制任务。

1. 背景：我们在面对什么难题？

想象一下，科学家现在能拿到一种特殊的“城市地图”（空间转录组数据）。这张地图不仅告诉你每个“居民”（细胞）是谁（比如是神经元还是免疫细胞），还精确记录了他们住在城市的哪个位置。

但是，现在的挑战有三个：

• 地图太多（多样本）： 我们有几百张不同病人的地图，需要把它们拼成一张“城市总图”（图谱），但每张地图的绘制标准（批次效应）不一样，直接拼会乱套。
• 地图是立体的（3D）： 以前的地图是平面的（2D），现在我们有像切面包片一样的连续切片，需要把它们还原成一个立体的“城市模型”（比如肿瘤组织或整个大脑）。
• 信息太杂（多模态）： 现在的地图不仅画了居民，还画了街道纹理（组织切片图像）、甚至记录了居民的社交网络。如何把这些不同维度的信息融合在一起，是个大难题。

现有的工具要么只能处理平面，要么处理不了大数据，要么只能看一种信息。

2. 解决方案：SpatialLeiden 是什么？

SpatialLeiden 就是为了解决上述所有问题而生的“超级拼图大师”。它的核心能力可以概括为三点：

🧩 能力一：灵活的“翻译官”（多样本整合）

想象你有 100 个不同语言的人画的同一座城市的草图。SpatialLeiden 不会强行把它们叠在一起，而是先请一位“翻译官”（使用 scVI、Harmony 等算法）把所有人的语言统一成一种“通用语”（潜在空间），然后再开始拼图。

• 效果： 即使来自不同病人、不同时间的样本，它也能把它们完美融合，画出一张连贯的“城市总图”，而且不会把邻居搞错。

🏗️ 能力二：从平面到立体的“建筑大师”（3D 重建）

以前的工具只能看平面的切片，就像只看电影的一帧帧画面。SpatialLeiden 能把这些切片像积木一样，根据它们真实的上下左右前后关系（3D 坐标），直接搭建出一个立体的 3D 模型。

• 效果： 在研究癌症或大脑时，它能告诉你某个细胞群落是如何在三维空间中延伸的，就像你能看到肿瘤是如何在淋巴结里“立体生长”的，而不仅仅是平面上的斑点。

🎨 能力三：全能视角的“多感官融合”（多模态数据）

这是它最厉害的地方。以前的工具可能只看“居民名单”（基因数据），或者只看“街道照片”（组织图像）。SpatialLeiden 像一个拥有多重感官的侦探：

• 它同时看基因数据（知道细胞是什么）。
• 它同时看组织图像（知道细胞长什么样、周围结构如何）。
• 它把这两者结合起来，互相验证。
• 比喻： 就像你不仅知道一个人叫“张三”，还通过他的照片确认了他确实长那样，并且通过他的邻居确认了他的职业。这样识别出的区域（比如肿瘤中的特定区域）比只看单一信息要准确得多。

3. 它有多强？（实际表现）

论文里展示了几个惊人的案例：

• 大脑图谱： 它成功处理了150 多张连续的大脑切片（艾伦脑图谱），自动把大脑分成了符合解剖学标准的区域。这就像让 AI 在几秒钟内把整个大脑的“行政区划”画得清清楚楚。
• 癌症研究： 在淋巴结的 3D 数据中，它清晰地勾勒出了肿瘤微环境的结构，发现了不同细胞类型在空间上的分布规律。
• 速度与效率： 即使是在普通的笔记本电脑上，它也能处理包含数百万细胞的海量数据，而且速度很快，不会把电脑卡死。

4. 总结：这对我们意味着什么？

简单来说，SpatialLeiden 让科学家能够：

1. 看得更全： 把成百上千个样本整合成一张大图。
2. 看得更真： 从 2D 平面升级到 3D 立体，还原组织的真实结构。
3. 看得更准： 结合基因和图像，避免“盲人摸象”。

它就像给生物学家提供了一套高精度的 3D 导航系统，让他们能在复杂的生物组织“城市”中，精准地找到不同的“街区”（功能区域），从而更好地理解大脑是如何工作的，或者癌症是如何生长的。这对于开发新药、理解疾病机制具有巨大的推动作用。

一句话总结： SpatialLeiden 是一个能同时处理海量数据、3D 立体结构和多种信息源的“超级拼图工具”，让科学家能以前所未有的清晰度看清生物组织的内部世界。

技术摘要

论文技术总结：Atlas 级空间感知聚类与 3D/多模态数据支持

1. 研究背景与问题 (Problem)

空间转录组学（SRT）能够揭示组织内的细胞组织和高维基因表达数据，但在处理以下复杂场景时面临挑战：

• 大规模多样本整合：构建空间图谱（Atlas）需要整合数百个样本，现有的聚类方法难以在保持生物学一致性的同时处理批次效应。
• 3D 体积重建：连续切片（Serial sections）数据需要捕捉切片间的连续性（z 轴信息），目前的工具往往难以有效利用 3D 邻域关系。
• 多模态数据融合：现代空间组学平台同时检测转录组、蛋白组、染色质及成像特征。现有方法在整合多种模态时往往缺乏灵活性，或受限于模态数量，且难以在保持空间结构的同时进行联合聚类。
• 可扩展性：随着数据量呈指数级增长（如百万级细胞、数百个样本），许多现有算法在计算效率和内存占用上无法扩展。

2. 方法论 (Methodology)

作者扩展了 SpatialLeiden 算法，使其能够处理通用化的 Atlas 级多样本、3D 连续切片及多模态空间组学数据。核心方法包括：

• 基于邻域图的多路复用（Flexible Neighbour-Graph Multiplexing）：

  • 算法不依赖特定的预处理流程，允许用户自由选择最佳的整合策略（如 scVI, Harmony, BBKNN 等）来构建批次校正后的潜在空间（Latent Space）。
  • 将空间邻域图与基因表达 k-NN 图结合，应用 Leiden 社区检测算法进行空间感知聚类。

• 3D 空间聚类：

  • 直接将 z 轴坐标纳入空间邻域图的构建中。
  • 对于对齐的连续切片数据，构建包含切片间邻居的 3D 邻域图，从而捕捉跨切片的细胞连续性。

• 多模态数据整合 (MuData 架构)：

  • 利用 MuData 结构，将每种组学层（如 RNA、H&E 成像、蛋白等）视为可扩展的邻域元素。
  • 支持自定义的层权重（Layer Weights），允许用户根据实验需求调整不同模态在聚类中的贡献度。
  • 兼容 scverse 生态系统（如 LazySlide），便于处理成像数据。

• 计算效率：

  • 专注于邻域图和聚类核心，保持对预处理步骤的无关性（Preprocessing agnostic）。
  • 实现了线性扩展（Linear scaling），能够在高端笔记本上处理 Atlas 级数据集。

3. 关键贡献 (Key Contributions)

1. 通用性扩展：首次将 SpatialLeiden 扩展为支持任意数量模态、多样本及 3D 体积数据的统一框架。
2. 3D 重建能力：成功实现了对连续切片数据的 3D 空间聚类，能够识别跨越多个切片的稳定细胞微环境结构。
3. 多模态联合分析：提供了一种灵活的机制，通过加权不同模态的邻域图，实现转录组与组织学（H&E）等数据的联合聚类，解决了单一模态无法完全解析复杂生物学特征的问题。
4. 生态兼容性：深度集成 scverse 生态（Scanpy, Squidpy, MuData），降低了生物信息学用户的采用门槛。

4. 实验结果 (Results)

• Atlas 级多样本聚类：

  • 在 Allen Brain Cell (ABC) Atlas 的约 150 个 MERFISH 连续切片上进行了测试。
  • 结果与 Common Coordinate Framework (CCF) 的脑区划分高度一致，能够精细区分皮层分层结构。
  • 相比非整合聚类，整合后的聚类在切片间表现出平滑的组成过渡，且计算效率高（可在高端笔记本运行）。

• 3D 组织重建：

  • 应用于 Open-ST 转移性淋巴结 数据。
  • 成功识别出跨越多个切片的 3D 细胞邻域，揭示了肿瘤微环境（TME）的 3D 组织结构（如癌症相关成纤维细胞、巨噬细胞等的空间分布），且域组成在不同切片间保持稳定。

• 多模态整合：

  • 在 Visium HD 结直肠癌 (CRC) 数据集（匹配 H&E 组织学）上验证。
  • 单模态局限：仅 H&E 能细化平滑肌簇，仅 RNA 能区分发育异常（Dysplasia）与肿瘤（Neoplasia）。
  • 联合聚类优势：通过联合 RNA 和 H&E 数据，SpatialLeiden 同时实现了平滑肌的精细划分和发育异常/肿瘤的分离，证明了多模态整合的互补价值。

• 性能基准：

  • 在模块度（Modularity）和可扩展性（Scalability）上优于专用工具，且对硬件要求较低。

5. 意义与影响 (Significance)

• 推动空间生物学研究：该工具解决了从单一样本向大规模空间图谱（Atlas）和 3D 组织重建过渡的关键技术瓶颈。
• 数据整合范式：提供了一种灵活、可定制的框架，使研究人员能够根据具体的实验设计（如模态数量、批次策略）定制分析流程，而非被算法限制。
• 临床与基础研究价值：在癌症微环境分析和脑图谱构建中展示了巨大的应用潜力，能够发现单一模态无法捕捉的复杂空间生物学特征。
• 开源与可及性：作为免费开源软件（GPLv3 许可），并支持 Python 主流生态，极大地促进了空间组学数据的标准化分析和复现。

总结：这篇论文通过扩展 SpatialLeiden，提供了一个强大、灵活且高效的解决方案，专门用于处理日益增长的大规模、3D 及多模态空间组学数据，为构建高精度的空间生物图谱奠定了坚实基础。