Striping artifact removal in VisiumHD data through nuclear counts modeling

本文提出了一种针对 10x Genomics VisiumHD 数据的统计去条纹方法，该方法利用细胞核分割和正则化广义线性模型对二项计数进行建模，在有效去除乘法条纹伪影的同时保留大尺度生物信号，其表现优于现有的归一化方法。

要点

想象一下，你试图在夜间拍摄一座繁忙城市的高分辨率照片，以统计每个街区的人数。你拥有一台超强大的相机（VisiumHD 技术），能够捕捉微小细节，但这台相机的镜头存在一个奇怪的缺陷：它就像是用不均匀的玻璃条带制成的。因此，照片中某些垂直和水平线条看起来人为地更亮或更暗，并非因为这些区域人数更多或更少，而是因为这些线条上方的“玻璃”更厚或更薄。在科学术语中，这些被称为条纹伪影。

如果你试图根据这张有缺陷的照片来统计人数，你可能会因为一条暗纹穿过某个街区而误以为整个街区空无一人，或者因为一条亮纹击中某个公园而误以为那里人满为患。这会彻底扰乱你对这座城市的理解。

旧方法：“盲目橡皮擦”

此前，科学家尝试使用一种名为bin2cell的方法来解决这个问题。这就像使用一个只会猜测的“盲目橡皮擦”。它查看一行像素，观察平均亮度，并试图将其平滑化。然后，它对列进行同样的操作。

• 问题所在：这种方法具有“不对称性”，意味着它区别对待行和列。这就像试图通过只拉扯图片的顶部边缘，然后再拉扯左侧边缘来修正一张歪斜的照片。它经常会产生新的、更大的失真（如“宏观条纹”），或者将图片涂抹得如此严重，以至于你失去了城市的真实形状。

新方法：“智能侦探”

本文的作者提出了一种更智能的统计方法。他们不再猜测，而是利用一张侦探地图（H&E 图像，即标准的组织照片）来寻找城市中实际的“房屋”——这些就是细胞核（细胞的控制中心）。

以下是他们新方法的运作方式，使用一个简单的类比：

1. 地图：他们查看照片并识别出每一座“房屋”（细胞核）。
2. 假设：他们假设在每个“房屋”内部，人数（转录本/mRNA）大致是恒定的。
3. 数学模型：他们构建了一个数学模型，指出：“我们在一个网格方块中看到的总人数是两件事的混合：一是实际居住在该方块内‘房屋’中的人数，二是‘不均匀相机玻璃’（即条纹）对视野造成的扭曲程度。”
4. 修正：使用一台精密的计算器（广义线性模型），他们同时解算出“真实”人口和“相机扭曲”。他们使用一种称为交叉验证的技术，以确保他们不会过度修正并制造新问题。

结果：更清晰的画面

当他们测试这种新的“智能侦探”方法时：

• 在模拟数据上：他们创建了一个已知真实情况的模拟城市。与旧的“盲目橡皮擦”相比，他们的方法在发现真实的“相机扭曲”并修正计数方面表现优异得多。
• 在真实数据上：他们在四张真实的组织切片上进行了测试。新方法成功去除了恼人的条纹，既没有涂抹图像，也没有产生新的、奇怪的失真。它在清理噪声的同时，保留了城市中大而重要的模式。

额外升级

作者还提到了一项显著的速度升级。他们工具的原始版本非常缓慢，就像蜗牛一样。他们开发了一种新的优化算法，使其速度提高了十倍，允许科学家在保持准确性的同时更快速地处理数据。

简而言之：本文提供了一种新的、更聪明的方法来清理组织显微图像的“条纹”。它不再盲目地平滑图像，而是利用细胞地图，通过数学方法将真实的生物信号与相机的光学缺陷分离开来，从而获得更清晰、更准确的图像。

技术摘要

技术摘要：通过核计数建模去除 VisiumHD 数据中的条纹伪影

问题陈述
10x Genomics VisiumHD 平台实现了 2 µm × 2 µm 分辨率的高分辨率空间转录组学。然而，该技术受通道宽度变异的影响，会产生特定于载玻片的非周期性条纹伪影。这些伪影表现为乘性的行和列效应，扭曲了 bin 的总计数，可能使下游分析产生偏差。目前最先进的解决方案实现在 bin2cell 预处理流程中，采用顺序高百分位数归一化方法（先应用行归一化，再应用列归一化）。作者指出了该方法的显著局限性：它是不对称的，容易引入边缘效应和宏观条纹，并扭曲总计数的大尺度结构。

方法
所提出的方法引入了一种统计去条纹框架，整合了来自共配准 H&E 图像的细胞核分割。核心假设是转录本丰度在每个细胞核内是恒定的。基于该假设，作者使用负二项分布对观测到的 bin 计数进行建模。该分布的均值被表述为三个分量的乘积：

1. 细胞核特异性浓度参数。
2. 行特异性条纹因子。
3. 列特异性条纹因子。

这些条纹因子旨在反映导致伪影的物理通道宽度变化。该模型在广义线性模型（GLM）框架内进行拟合。实现的关键技术特征包括：

• 正则化：对条纹因子应用交叉验证正则化，以防止过拟合。
• 离散度估计：使用迭代过程估计负二项分布的离散度参数。
• 优化：手稿强调了一种新的优化算法，与提交至 ISMB 2026 的版本相比，速度提升了约十倍。
• 校正：一旦参数拟合完成，即使用该模型校正观测计数，生成去条纹图像。

关键结果
作者使用两种类型的数据将所提出的方法与 bin2cell 及其他 bin2cell 衍生基线进行了评估：

1. 合成数据：在具有已知真实值的数据集上，与现有基线相比，所提出的方法在估计条纹因子方面表现出更高的准确性，并在校正计数中降低了误差。
2. 真实数据：该方法在四张公共 VisiumHD 载玻片上进行了测试。结果表明，该方法一致地降低了条纹强度。至关重要的是，与顺序归一化方法不同，所提出的 GLM 方法显著更好地保留了嵌入在大尺度全局计数结构中的生物信号，并避免了引入新的伪影（如宏观条纹或边缘失真）。

意义与主张
本文主张，这种统计方法为 VisiumHD 数据的启发式归一化提供了一种稳健的替代方案。通过利用细胞核分割和基于原理的统计模型，该方法有效去除了乘性条纹伪影，同时保持了生物信号和全局计数结构的完整性。作者将这项工作定位为对当前预处理标准的必要改进，他们认为现有标准引入了可能损害下游分析的失真。源代码和数据的可用性已提供，以促进可重复性和进一步采用。