💻 bioinformatics

SFUMATO: Bayesian probabilistic clustering for uncertainty-aware spatialtranscriptomics analysis and mapping

SFUMATO 是一个基于 GPU 加速的贝叶斯概率框架，它通过生成具有不确定性感知、颜色混合的视觉图谱和定量图谱，克服了空间转录组学中硬标签聚类的局限性，从而在无需预先进行细胞分割的情况下，捕捉到渐进式的转录状态转换和组织异质性。

原作者： Giustolisi, A., Avenel, C., Wählby, C.

发布于 2026-10-01

📖 1 分钟阅读☕ 轻松阅读

原作者： Giustolisi, A., Avenel, C., Wählby, C.

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

在显微镜载片的寂静角落里，一种新的地图正在被绘制，它揭示了组织内部隐藏的生命架构。几十年来，科学家们通过切割细胞、计数并将其分类整理成整齐的类别来研究细胞，就像图书管理员按流派整理书籍一样。当目标是精确了解每种细胞类型的数量时，这种方法效果很好。然而，活体组织很少如此整齐。细胞经常相互融合，随着它们从一个区域移动到另一个区域而逐渐改变行为，或者以一种挑战简单标签的方式混合它们的信号。为了理解这些复杂的、不断变化的景观，研究人员需要一种方式，不仅将组织视为一系列离散岛屿的集合，而是将其视为一个边界往往模糊且不确定的连续地形。

这正是瑞典乌普萨拉大学的一个研究团队所应对的挑战，他们开发了一种名为 SFUMATO 的新方法。通过分析细胞内的遗传指令，而无需预先尝试描绘这些细胞的轮廓，他们创造了一种能够捕捉锐利分界与柔和过渡的组织可视化方式。他们最近发表的研究成果为我们观察微观世界提供了一个全新的视角，从僵化的方框转向更加流动、真实的生物复杂性图景。

研究人员首先使用了来自一种被称为原位测序（in situ sequencing）的高效技术的数据。想象一个相机，它不仅能拍摄组织样本的照片，还能记录数千个分子在精确位置发送的具体遗传信息。这些分子被称为转录本（transcripts），是细胞活跃的指令。在单个样本中，可能有数千万个这样的信息散布在组织各处。对科学家来说，挑战在于如何理解这团庞大的数据云。传统方法通常试图先识别每一个细胞，画出它的轮廓，然后再决定它属于哪种类型的细胞。但这个过程是脆弱的；如果线条画错了，或者细胞粘连在一起，整个分析都会产生偏差。此外，强行在两个实际上正在融合的区域之间划定一条清晰的界限，会掩盖重要的生物学真相。

为了解决这个问题，该团队开发了 SFUMATO，这是一个完全跳过了绘制细胞边界步骤的工具。它不再寻找单个细胞，而是观察组织中微小的、重叠的斑块。它将数据视为信息的连续流动，而非独立的列表。该方法使用统计学方法，根据这些斑块遗传信息的相似性对其进行分组。至关重要的是，它并不强迫每个斑块属于单一、僵化的类别。相反，它计算一个斑块同时属于不同组别的可能性。这使得软件能够识别出一个区域是两种不同组织类型的混合体，或者一个过渡是如何逐渐发生的。

其结果是一幅看起来更像绘画而非填色书的地图。研究人员以文艺复兴时期画家使用的一种技法为该方法命名，即利用微妙的色调变化来柔化边缘并创造深度感。在这些新地图中，遗传相似的区域会被赋予相似的颜色，而差异巨大的区域则会被赋予对比鲜明的颜色。当两种类型的组织相遇时，颜色会平滑地融合，向观察者展示不确定性究竟存在于何处。如果一个组织斑块显然属于一种类型，它会呈现出纯色。如果是混合体，颜色就会交织，产生一种揭示过渡复杂性的渐变。这种视觉方法让科学家不仅能看到一种组织在哪里结束、另一种组织在哪里开始，还能看到它们是如何相互转化的。

团队在两种截然不同的生物景观上测试了这种方法：小鼠大脑和人类乳腺癌样本。在小鼠大脑中，他们将这种新地图与依赖绘制细胞轮廓的现有方法进行了比较。他们发现，这种方法可以识别出相同的主要细胞类型和组织结构，但对边界的观察更为清晰。在组织发生逐渐变化的区域，传统地图显示出突兀、人为的线条，无法反映现实；而新地图则显示出色彩的平滑流动，准确地表现了遗传活动的逐渐转变。这在识别不同细胞类型相互交织的区域时特别有用，而这一细节在旧方法中经常被忽略或扭曲。

在人类乳腺癌样本中，该方法证明了其在无需了解细胞位置的情况下寻找疾病相关结构的能力。研究人员能够区分侵袭性癌症（向周围组织扩散）和非侵袭性疾病（留在导管内）。该方法生成的地图与病理学家在显微镜下手动检查组织的描述相吻称。尽管软件从未见过病理学家用于诊断的细胞边界，但它成功地突出了侵袭区域和非侵袭区域。这表明，组织的遗传组织本身包含了足以定义这些疾病状态的信息，而独立于细胞的物理形状。

该研究最重要的发现之一是，我们计数细胞的方式并不总是理解组织组织结构的最佳方式。传统方法统计每种细胞类型的数量，但如果细胞大小不同或组织在不同区域的密度不同，这可能会产生误导。新方法测量特定遗传模式所占据的面积。这提供了对特定类型组织占据空间大小的更直接估计，这可以更准确地反映其在体内的作用。通过关注面积而非计数，研究人员发现他们的地图可以揭示组织的真实空间组织，展示不同区域如何占据空间并与其邻居互动。

研究人员还展示了该方法具有灵活性，可以调整以显示不同层级的细节。通过改变一个设置，他们可以缩小范围以查看整个组织的宏观组织，也可以放大以查看特定细胞组的精细细节。重要的是，当他们改变这个设置时，颜色保持了一致性。一个在宏观层面看起来是某种特定黄色调的区域，在放大后仍然是那种黄色调，只是细节更加丰富。这种一致性有助于科学家在导航复杂数据时，不会因为组织着色的突然、无关的变化而感到困惑。

这项工作代表了科学家可视化和解释微观世界方式的一种转变。通过放弃定义每个细胞边界的僵化要求，研究人员创造了一个拥抱生物系统自然不确定性和流动性的工具。他们绘制的地图不仅展示了事物在哪里，还展示了事物如何变化、融合和过渡。这种方法提供了一个更诚实、更细致的组织观察视角，它尊重生命的复杂性，而不是试图将其简化为整齐、分离的方框。随着科学家继续探索人体错综复杂的细节，像这样的工具对于揭示定义健康与疾病的微妙模式将至关重要。

技术摘要：SFUMATO

问题陈述

空间转录组学技术，特别是像 Xenium 这样的原位测序（ISS）方法，在保留空间上下文的同时生成高分辨率的基因表达数据。然而，标准的分析工作流通常依赖于“硬”聚类（hard clustering），即将每个空间位置分配给一个单一的离散簇。这种方法无法捕捉以下现象：

渐变过程： 生物模式通常涉及平滑的梯度，而非突发的转变。
混合信号： 包含多种细胞类型或模糊转录状态的区域被强制赋予一个单一标签。
不确定性： 簇分配的置信度丢失，可能导致对组织结构的误导性解释。
分割依赖性： 许多方法需要预先进行细胞分割（通常基于核染色），这在癌症等细胞核定义模糊或细胞融合的组织中是容易出错的。

现有的无分割方法要么缺乏用于下游分析的分区能力（例如基于颜色的编码），要么依赖于后验解释的概率分解，且在处理数百万个转录本时可能缺乏高效的扩展性。

方法论

SFUMATO（Segmentation-Free Uncertainty Mapping and Analysis of Transcriptomic Organisation，无分割转录组组织不确定性映射与分析）是一个经 GPU 加速的贝叶斯概率框架，旨在解决上述局限性。该工作流通过以下阶段进行：

1. 特征提取与预处理

SFUMATO 采用了受 Points2Regions 启发的流水线，以避免细胞分割：

分箱（Binning）： 将转录本在多个空间分辨率下栅格化到正方形网格上。
聚合： 使用反距离加权插值法，将不同分辨率下相邻像素的类别计数进行聚合，以创建多尺度的局部基因组成表示。
归一化： 对分箱后的基因计数进行对数转换 ( $\log(1+x)$ ) 和 L1 归一化。
降维： 对稀疏特征矩阵应用截断奇异值分解（Truncated SVD）以获得低维潜在表示 ( $Z$ )。相比 PCA，这种方法更优，因为它能够处理稀疏矩阵而不进行稠密化。

2. 贝叶斯高斯混合模型 (BGM)

在潜在表示 $Z$ 上拟合一个贝叶斯高斯混合模型：

变分推理（Variational Inference）： 模型使用基于 PyTorch 的变分推理（通过 GPU 加速）来近似关于混合权重、均值和协方差的后验分布，而不是依赖于点估计或 MCMC 采样。
对角协方差： 为了确保大规模数据集（数百万个 bin）的计算可行性，假设使用对角协方差矩阵，从而实现维度估计的解耦。
过聚类（Overclustering）： 模型拟合的组件数量 ( $K_{BGM}$ ) 大于用户目标簇的数量 ( $K$ )，通常取 $K_{BGM} = \lceil 1.5 \times \max(K) \rceil$ 。这种“过聚类”策略旨在捕捉更细粒度的转录状态。

3. 分层合并与颜色分配

谱系图构建： 基于后验响应度计算软质心（soft centroids）。使用完全联动（complete linkage）和最优叶排序（optimal leaf ordering）对这些质心进行凝聚层次聚类。
层次一致性： 当用户请求特定数量的簇时，共享的谱系图会在该层级被剪切。这确保了改变 $K$ 值是在精炼同一个层次化表示，而不是生成无关的分类图。
颜色映射： 根据簇在谱系图中的位置分配颜色。在基于表达的层次结构中相邻的簇会获得相似的颜色，而远离的分支则获得对比鲜明的颜色。

4. 概率颜色混合

SFUMATO 不分配单一的硬标签，而是通过颜色混合来可视化不确定性：

对于每个空间 bin，识别出两个最可能的组件。
使用对数加权函数对它们的分配颜色进行混合： $c_i = \frac{\log(1 + \alpha r_{i1}) c_1 + \log(1 + \alpha r_{i2}) c_2}{\log(1 + \alpha r_{i1}) + \log(1 + \alpha r_{i2})}$ ，其中 $r$ 代表后验概率， $\alpha=50$ 。
这实现了模糊区域的平滑颜色过渡以及高置信度分配下的清晰颜色区分。

5. 语义分割与定量化

后验概率图可以通过具有高/低概率阈值的形态学重建转换为二值语义掩码。这使得定量估计转录本定义的组织成分的**面积占比（area fractions）**成为可能，符合 Delesse 原理（即面积占比估计体积占比）。

核心贡献

无分割可视化： SFUMATO 提供了一种高效的转录本级空间数据表示，无需预先进行细胞分割。它将颜色分配与基于表达的层次结构联系起来，确保颜色相似性反映了转录相似性。
层次一致的可视化： 通过从单一的过聚类概率模型和共享谱系图中导出多个聚类分辨率，SFUMATO 确保了随着簇数量 ( $K$ ) 变化时，可视化结果保持稳定且一致。
用于语义分割的概率聚类： 该框架保留了后验概率，以在细胞关联尺度和生态位（niche）尺度上推导语义区域。它支持将这些概率转换为语义掩码，以便与病理标注进行比较，且独立于细胞分割。
不确定性感知表示： 通过概率颜色混合，SFUMATO 显式地可视化了过渡带和混合转录状态，避免了硬聚类带来的人工边界。

结果

作者在两个公开的 Xenium 数据集上评估了 SFUMATO：一个小鼠大脑切片和一个人类乳腺癌切片。

小鼠大脑（细胞尺度）：
- SFUMATO 在与无分割方法（Points2Regions, FICTURE）以及 10x Genomics 基于图的参考细胞分型方面表现出高度一致性。
- 观察到 SFUMATO 簇与参考细胞类型之间存在多对一的对应关系，但这些对应涉及转录相关的簇且具有相似颜色，表明 SFUMATO 捕捉到了更精细、连续的层次结构。
- SFUMATO 成功恢复了主要细胞群体，且无需细胞分割，即使在缺乏可检测 DAPI 信号的区域也能完成，而基于分割的方法在这些区域会失效。
- SFUMATO 保留了局部转录相似性，颜色梯度准确地反映了组织结构的渐变过程。
小鼠大脑（生态位尺度）：
- 在不同的聚类分辨率（ $K=15$ 到 $30$）下，SFUMATO 保持了连贯的视觉组织。与产生偏移的分类边界的 Points2Regions 不同，SFUMATO 在过渡区域显示出渐变的颜色变化，并在不同区域显示出一致的鲜明对比。
人类乳腺癌：
- 生态位层面： SFUMATO 衍生的语义掩码与病理标注的浸润性癌区域具有高度空间一致性（Dice 分数 0.859）。DCIS 类区域显示出实质性的重叠（Dice 分数 0.726），但看起来更具异质性和空间碎片化，这表明仅靠目标转录本面板可能无法完全解析由多模态病理分析定义的特定 DCIS 子区域。
- 细胞层面： 广泛的细胞组分（如浸润性肿瘤、肌上皮细胞）被成功映射到 SFUMATO 组件中。该方法揭示了广泛的生物学组分往往对应于多个相关的 SFUMATO 簇，反映了细胞类型内的转录异质性。

重要性与主张

论文声称 SFUMATO 提供了一种统一的概率表示，用于空间转录组学，整合了聚类、可视化和语义分割。其主要意义在于：

可解释性： 通过用后验概率分布取代硬分配，SFUMATO 允许直接可视化生物梯度和混合状态，而不是将其抑制。
对分割误差的鲁棒性： 通过直接处理转录本分布进行操作，它避免了细胞边界划定引入的偏差和错误，特别是在复杂的组织（如癌症）中。
定量严谨性： 该框架提供了一条通过面积占比来估计组织成分的原则性路径，作者认为面积占比在表征组织切片中的空间占用方面比细胞计数更合适。
可扩展性： 其 GPU 加速的实现和高效的变分推理使其适用于包含数千万个转录本的数据集。

作者将 SFUMATO 定位为不仅仅是一个聚类算法，而是一个整体性的框架，其中可视化是生物学解释不可或缺的一部分，反映了生物组织连续性和不确定性的本质。