Spectrast: a multiscale spatial statistics toolkit for single-cell spatial transcriptomics
Spectrast 是一个多尺度空间统计工具包,它利用基于快速傅里叶变换的卷积技术处理栅格化的基因表达数据,从而实现对单细胞空间转录组数据集进行高效、大规模的空间组织及差异性重构分析。
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
想象一下,试图理解一座繁忙的城市,不是通过观察一个街角,而是通过观察每一栋建筑、公园和道路是如何与其周围的事物相互关联的。在生物学中,科学家们正日益能够对人体内的组织进行这样的研究。他们现在可以绘制出单个细胞的位置以及其中活跃的基因,从而创造出一幅关于生命如何在空间中组织的详细图像。几十年来,研究人员一直使用数学工具来衡量事物在靠近时是相似还是不同。这些工具有助于回答诸如:具有相同功能的细胞是否倾向于聚集在一起?某些基因是否只在特定的“邻里”中开启?然而,随着绘制这些组织技术的进步,数据量也随之爆炸式增长。现代机器现在可以同时捕捉数十万个细胞的位置和基因活性。旧有的数学工具是为较小的数据集设计的,在面对这些数据时显得力不从心。当被要求检查大规模跨度内每个细胞与其邻居之间的关系时,它们会变得异常缓慢且极其耗费内存,迫使科学家只能选择一个单一的、武断的距离进行观察,这可能会导致错过更宏观的全貌。
达特茅斯学院的一组研究人员开发了一种新方法来解决这个问题,将计算瓶颈转化为了一个平滑且快速的过程。他们创建了一个名为 Spectrast 的工具包,允许科学家在连续的距离范围内观察组织的组织结构——从细胞的直接邻居到整个组织切片——而不会被海量数据所困扰。该方法并没有将组织视为杂乱无章的单个点集,而是首先将数据组织成一个整齐、规则的网格,就像数字图像一样。一旦数据进入这个网格,研究人员就会使用一种最初为信号处理设计的强大数学捷径,来计算细胞如何相互关联。这种捷径使得计算机能够同时对所有可能的距离执行相同的计算,而不是逐一检查每个距离。其结果是一个能够处理现代技术产生的海量数据集的工具,能够揭示出那些由于计算机处理能力不足而此前无法看到的模式。
当研究人员测试他们的这个新系统时,他们发现它能以近乎完美的准确度重现标准、可靠方法的计算结果。但真正的突破在于速度和内存的使用。对于较小的距离,新工具的表现与现有方法相当;但随着距离的增加,差异变得非常显著。当要求查看大于几百微米的邻域时,旧方法会崩溃或需要极长的时间,而新系统则能毫不费力地处理这些大尺度。在涉及包含近 70 万个细胞的组织切片的测试中,在最大距离下,新方法的运行速度比标准方法快了数百倍。它还使用了极小部分的计算机内存,使其能够在旧方法会完全失效的标准机器上运行。这种效率意味着科学家现在不必再去猜测哪个距离是最重要的。相反,他们可以横跨广泛的距离范围进行“扫描”,以观察基因和细胞的组织如何随着从局部邻域向更广阔组织景观的“缩放”而发生变化。
研究人员通过将其应用于人类淋巴结(一种作为免疫系统过滤器的复杂器官)证明了这一方法的威力。通过分析不同距离下数千个基因的空间模式,研究人员可以根据这些基因是如何组织的来识别独特的生物结构。他们发现,一些标记特定免疫细胞的基因在微小的紧密群体中高度聚集,而另一些基因则分布在更大的区域。例如,与血管相关的基因显示出一种每隔几十微米就重复一次的模式,这与血管网络精细的分支结构相匹配。相比之下,与记忆 B 细胞(一种免疫细胞)相关的基因显示出一种每隔一百多微米就重复一次的模式,这对应于被称为“滤泡”的较大圆形结构。通过将这些模式总结为每个基因的一条单一曲线,研究人员可以精准定位基因组织强度最强的确切尺度。这使得他们能够根据空间行为对基因进行分组,并将这些组别与特定的生物功能联系起来,证实了数学模式与淋巴结已知的物理架构相吻合。
该工具包还证明了在条件变化时检测组织组织方式微妙变化的能力。在一项关于受阿尔茨海默病模型影响的小鼠脑组织研究中,研究人员对比了健康组织与含有淀粉样蛋白斑块(与疾病相关的蛋白质聚集物)的组织。他们发现,虽然两组之间某些基因的总量没有显著变化,但它们的空间组织却发生了变化。具体而言,涉及大脑支持细胞免疫反应的基因表现出了剧烈的转变。在健康组织中,这些基因是随机分散的;但在患病组织中,它们在淀粉样蛋白斑块周围形成了高度组织的紧密集群。这种重组之所以能被检测到,仅仅是因为新方法可以跨越多个距离观察数据,并识别出变化发生的特定尺度。研究人员发现有 10 个基因表现出了这种显著的组织转变,凸显了组织结构的变化——如果仅观察基因表达的总量或选择单一的、武断的距离进行测量,这种结构性变化将会被忽略。
作者强调,这个工具不仅仅是更快地进行传统的计算,更是一种提出关于生物组织新问题的方式。通过使分析全尺度范围内的空间统计变得切实可行,该方法让研究人员能够看到细胞如何自我排列的完整故事。研究表明,生物结构通常在特定的、特征性的距离下运作,并且这些距离会根据细胞类型或组织状态而有所不同。虽然该方法依赖于将组织近似为网格(这会引入微小的误差),但研究人员表明这种误差是极小的,并且可以在必要时进行修正。这项工作表明,我们观察生物系统的尺度与我们正在观察的对象本身同样重要。通过消除迫使科学家只能选择单一尺度的计算障碍,这个新工具包为更全面地理解支配组织构建及其在疾病中如何变化的“空间逻辑”打开了大门。
您所在领域的论文太多了?
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。