Bridging Biomedical Atlas Ecosystem: Cross-Atlas Alignment And Scalable Tissue Specimen Registration

为了深入了解人体，科学家们多年来一直致力于构建一种新型图谱。他们并非在平面的纸上画线，而是正在创建一个共享的三维框架，用以承载来自数千项不同研究的数据。想象一下，如果你试图整理一个图书馆，但其中的每本书都使用不同的语言，且每个书架的形状都各不相同；如果没有一个通用的系统，信息将保持分散且难以利用。在生物医学研究领域，这就是“人类参考图谱”（Human Reference Atlas）所面临的挑战。它是一个数字化的三维坐标系统，允许研究人员将来自不同人、不同器官和不同实验的组织样本放置在同一个虚拟空间内。通过这个共享空间，科学家可以在统一的视图中观察细胞在心脏与肾脏中的行为差异，或者观察特定疾病在不同个体身上的表现。为了使这一系统发挥作用，每一个新样本都必须精确地对齐到主图谱上，而这一过程传统上需要专家进行缓慢的人工操作。

在过去的五年里，研究人员已成功将超过 13,000 个组织数据集纳入这一通用框架。这些数据集包含了来自 20 个研究小组的超过 2 亿个细胞的信息。这一庞大的集合使得跨器官、不同类型实验室测试以及不同观测尺度的生物学数据探索成为可能。然而，随着样本、测试和制图项目的数量不断增加，过去那种手动对齐每个新组织样本的方法已变得过于缓慢且昂贵，无法跟上发展的步伐。数据的巨大规模构成了扩展该图谱的重要障碍，威胁着会让新的发现被困在共享系统之外。

为了解决这个问题，一组科学家开发了两种新方法来扩大图谱的构建规模。第一种方法是将一种生物医学参考系统的数据直接投影到另一种系统上；第二种方法则使用一种被称为“毫厘切片”（millitomes）的技术，将大块组织一次性注册到参考器官中。这两种方法都依赖于一个名为 AMAP 的软件流水线，其全称为“自动对齐与投影”（AutoMated Alignment and Projection）。该系统通过获取组织的三维网格模型，并利用点云配准（point cloud registration）进行对齐——这是一个将一个模型上的特定点与另一个模型上的对应点进行匹配的过程，无需人工引导每一步骤。

研究人员在多种生物模型上测试了这些方法，以证明它们能够处理现实世界的复杂性。他们成功对齐了来自 SPARC 项目的六个与心脏相关的模型、来自肠道细胞图谱（Gut Cell Atlas）的大肠模型、基于 500 名肾脏受试者构建的共识图谱，以及来自尤利希大脑图谱（Julich Brain Atlas）的模型。除了这些特定器官外，团队还使用 AMAP 流水线将七个毫厘切片模型投影到五个不同的器官中。这项工作整合了来自 300 多个不同组织提取位点的信息，表明该系统可以处理各种各样的生物结构。

其结果是一个正在演进的图谱生态系统，目前已与人类参考图谱实现对齐。通过自动化对齐过程，研究人员展示了一种能够以以往无法实现的规模进行组织数据注册的方法。这种能力使得构建详细的人体参考图谱成为可能，并能快速吸收海量的新数据。这项工作表明，手动注册带来的瓶颈是可以被克服的，从而使科学界能够在不受对齐每个新样本所需的时间和资源限制的情况下，构建出一个更完整、更易获取的人类生物学图景。