🧬 biology

SEMA: A Framework of Spatial-Aware Enrichment for Multi-pathway Analysis

SEMA 是一个将空间上下文整合进通路富集分析的新型框架，通过在多种组织和癌症数据集中揭示关键的空间分辨率生物学见解（例如三级淋巴结构附近的代谢活动和成纤维细胞介导的免疫调节），其性能优于现有方法。

原作者： Xiaokai Fan

发布于 2026-07-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Xiaokai Fan

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，你正从无人机上俯瞰一座繁忙的大型城市。如果你只是统计每栋建筑里的人数，你会得到一串数字：“这里有100人，那里有50人。”这就像传统的基因测序，它告诉科学家样本中哪些基因是活跃的，但却把每个细胞都当作是在真空中漂浮的个体，忽略了它们的邻居。然而，城市不仅仅是建筑物的列表；城市的定义在于这些建筑是如何相互作用的。咖啡馆紧邻图书馆所营造的氛围，与咖啡馆紧邻建筑工地所营造的氛围截然不同。在生物学中，这个“城市”就是你的身体组织，而这些“建筑物”就是细胞。

最近，科学家们开发了一种拍摄这些细胞城市的新方法，称为空间转录组学（spatial transcriptomics）。这项技术不再仅仅是列出基因清单，而是精确地绘制出每个基因在组织布局中的激活位置。然而，这里有一个问题：大多数用于分析这些地图的工具仍然像是在读一个词汇表，却无法理解句子。它们观察单个细胞并问道：“这个细胞在做什么？”但它们忽略了该细胞如何与其相邻细胞进行“聊天”这一宏观图景。这篇论文介绍了一个新工具来弥补这一盲点，帮助研究人员不仅了解房间里住着谁，还了解房间是如何布置的，以及这种布置对整个“城市”健康意味着什么。

新的绘图师：认识 SEMA

认识一下 SEMA（用于多通路分析的空间感知富集技术）。你可以把 SEMA 想象成一名超级聪明的社区观察员，它不仅观察一栋房子，还会检查整个街区，以了解真实发生的情况。

在旧有的方法中，如果科学家想知道特定的一组基因（即一个“通路”）是否在组织中活跃，他们会观察一个特定的点并计算一个得分。这就像是通过观察角落里的一个人来评判一场派对。如果那个人正在跳舞，你可能会认为整场派对都很狂热。但如果那个人只是在独自起舞，而其他人都在睡觉呢？旧方法经常犯这样的错误，忽略了生物学过程是发生在“社区”中，而非孤立存在的。

SEMA 通过使用一种“邻里规则”改变了游戏规则。当它计算特定细胞的得分时，它不仅看该细胞自身的基因，还会观察其紧邻细胞的基因，并给予邻居的活动一定的权重。这就像是意识到，如果你的邻居正在烤饼干，那么即使你自己的厨房里空无一物，那种香味（信号）很可能也是从他们家传出来的。通过将细胞自身的活动与其邻居的活动相结合，SEMA 创建了一张更清晰、更平滑的图谱，展示了生物过程究竟在哪里发生。

测试 SEMA

作者不仅开发了这个工具，还对其进行了严格测试，以验证它是否真的比现有方法更好。他们在三个非常不同的“城市”中进行了测试：

有序的城市（大脑）： 他们观察了小鼠大脑和人类前额叶皮层。这些区域拥有非常清晰、有序的邻里结构（如视觉皮层或海马体）。当他们尝试利用基因活动寻找这些特定区域时，SEما 在绘制边界方面比其他工具表现得更出色。它能以更高的准确度区分两个相邻的大脑区域，本质上是在说：“是的，这绝对是图书馆，而那绝对是公园”，而其他工具的表现则显得有些模糊。
微型村庄（淋巴结）： 他们聚焦于淋巴结内被称为生发中心的微小且复杂的结构。这些是免疫细胞聚集以对抗感染的小型、拥挤区域。由于这些区域非常小且密集，旧工具很难识别它们。然而，SEMA 清晰地识别出了它们，其结果与通过其他先进方法发现的实际细胞计数几乎完美吻合。
隐藏的堡垒（三级淋巴结构）： 在肿瘤中，身体有时会建造被称为三级淋巴结构（TLS）的“堡垒”来对抗癌症。这些结构很难被发现，因为它们看起来与周围的肿瘤组织有些相似。SEMA 是识别这些结构的最佳工具，它能更准确地找到它们，并且比竞争对手消耗更少的计算资源（内存和时间）。

SEMA 在癌症中的发现

在作者确信 SEMA 是最好的绘图师后，他们利用它探索了 93 个乳腺癌样本和 123 个来自各种其他癌症的样本。以下是他们的发现：

代谢连接：
他们发现了“功能性”TLS（即那些活跃的、战斗型的免疫堡垒）与一种特定的代谢过程——**花生四烯酸代谢（arachidonic acid metabolism）**之间存在强烈的空间联系。这就像是他们发现，每当免疫堡垒全速运转时，周围的社区就会充满某种特定类型的化学能量。这表明该代谢通路可能正在为免疫战斗提供动力，这是一个此前并不明显的线索。

秘密握手：
他们还寻找了“配体-受体对”，这就像是细胞之间用来交流的“秘密握手”。虽然大家都熟知一种名为 CXCL13-CXCR5 的著名“握手”，但 SEMA 凸显了另一个同样重要的配对：CXCL13-CXCR3。研究发现，在这些免疫堡垒最强盛的地方，这一对配体极其活跃。作者认为，这一对组合可能是组织免疫反应的关键参与者，且具有高水平此信号的患者通常拥有更好的生存率。

大围墙 vs. 混合人群：
或许最令人惊讶的发现来自于观察不同类型的细胞在多种癌症中的排列方式。作者发现，成纤维细胞（一种支持性细胞）充当了肿瘤城市中的“胶水”或中心枢纽。它们通常是距离癌细胞最近的邻居。

然而，这种排列方式至关重要。研究团队发现了两种截然不同的模式：

混合人群： 在某些肿瘤中，成纤维细胞和癌细胞杂乱无章地混在一起，呈现出一种混乱的状态。
隔离城市： 在另一些肿瘤中，存在一个清晰、锐利的边界。成纤维细胞形成了一个明显的环或墙，将癌细胞与免疫细胞隔离开来。

论文指出，这种“隔离”模式（即成纤维细胞形成清晰边界的模式）实际上是一件好事。那些具有这种清晰分离模式的患者，其免疫活性往往更强，生存情况也更好。看起来，当支持性细胞形成一个整洁、有序的边界时，免疫系统能够更好地履行职责。相反，当一切都混杂在一起时，免疫系统的效率似乎较低。

为什么这很重要

这篇论文并不声称已经治愈了癌症或解开了生命的奥秘。相反，它提供了一种阅读地图的更好方式。通过承认细胞生活在“社区”中，并且它们的位置与它们的身份同样重要，SEMA 帮助科学家看到了那些此前隐藏在噪声中的模式。它表明，肿瘤的物理布局——即细胞是如何组织和分隔的——可能是理解疾病行为以及患者对治疗反应程度的关键线索。它提醒我们，在生物学中，就像在城市中一样，重要的不仅是谁住在那里，还有他们是如何排列组合的。

技术摘要：SEMA —— 一种用于多通路分析的空间感知富集框架

问题陈述

空间转录组学（ST）技术已从批量水平的分辨率演进到单细胞精度，能够表征组织架构、细胞间相互作用以及功能性生态位（如三级淋巴结构，TLS）。虽然基因集富集分析（GSEA）是解释 bulk 和单细胞 RNA-seq 数据的标准工具，但目前用于 ST 的方法往往忽略了显式的空间上下文。传统方法将斑点（spots）或细胞视为孤立的数据点，仅基于局部基因表达计算富集得分。这可能导致生物学功能的误判，即将生物功能错误地分配给在空间上不连续的位置。目前缺乏能够将物理空间邻近性整合到通路富集中的方法，以准确解码空间分辨率数据，特别是在理解由物理细胞相互作用产生的组织功能方面，存在关键的方法论空白。

方法论

作者开发了 SEMA（Spatial-Aware Enrichment for Multi-pathway Analysis，空间感知多通路分析），这是一个将空间邻域信息整合到通路评分中的框架。该方法通过以下步骤进行：

原始得分计算：对于给定的基因集 $G$ ，为每个斑点或细胞 $i$ 计算一个原始得分（ $S_i^{raw}$ ），即该基因集中同时存在于表达矩阵中的基因的平均表达量。
空间图构建：利用斑点/细胞的欧几里得空间坐标构建 k-最近邻（KNN）图。通过一个无向邻接矩阵来定义邻居，其中邻居由距离最近的 $k$ 个细胞组成。
加权平滑：
- 根据第 $k'$ -个最近邻的距离自动估计高斯核带宽（ $\sigma$ ），以控制空间影响的衰减。
- 基于空间距离（ $d_{ij}$ ）分配高斯核权重（ $w_{ij}$ ）： $w_{ij} = \exp(-d_{ij}^2 / 2\sigma^2)$ 。
- 这些权重经过行归一化处理，以创建一个加权邻接矩阵 $\tilde{W}$ 。
空间感知得分计算：最终的空间感知得分（ $S_i^{spatial}$ ）是该斑点自身的原始得分与邻居原始得分加权平均值的凸组合：
$S_i^{spatial} = (1 - \lambda) \cdot S_i^{raw} + \lambda \cdot \sum_j \tilde{W}_{ij} S_j^{raw}$
其中 $\lambda \in [0,1]$ 是空间权重参数。
空间相关性分析：为了研究通路或细胞类型之间的关系，作者采用了双变量 Moran's I。该统计量利用 SEMA 得分来衡量全局空间相关性，识别两个基因集在组织中的共定位（正相关）或空间排斥（负相关）。

该框架针对包括 AddModuleScore、AUCell、UCell 和 ssGSEA 在内的既有方法进行了基准测试。

核心贡献与结果

1. 基准测试与性能

SEMA 在多个数据集和任务中进行了严格评估，在准确性、特异性和效率方面始终优于现有的主要方法：

解剖结构重建：在小鼠脑冠状切片和人类背外侧前额叶皮层（DLPC）数据集中，与 AddModuleScore、ssGSEA、UCell 和 AUCell 相比，SEMA 在恢复细微区域标记基因集的信号方面取得了更高的曲线下面积（AUC）和精确度-召回率曲线下面积（PRAUC）。
微结构检测：在人类淋巴结数据中，SEMA 展示了在基于 B 细胞、滤泡树突状细胞（FDC）和 T 滤泡辅助细胞（Tfh）标记物检测生发中心（GCs）方面的卓越能力。它显示出与去卷积方法（cell2location 和 CARD）推断的细胞类型丰度更高的一致性，并在识别 10x Xenium 数据中病理学家标注的淋巴聚集体和生发中心方面实现了更高的 AUC（0.707）。
TLS 识别：使用三种不同的 TLS 特征基因集对透明细胞肾细胞癌（ccRCC）数据进行分析，SEMA 通过更高的 AUC/PRAUC 和更低的假阳性率，在区分 TLS 阳性斑点方面表现出更优越的性能。
效率：与对比方法相比，SEMA 所需的计算时间和内存显著减少，使其适用于大规模应用。

2. 生物学洞察：乳腺癌与功能性 TLS

将 SEMA 应用于 93 个乳腺癌空间转录组数据集揭示了：

代谢相关性：在功能性 TLS（由 CXCL13、CD3D、MS4A1 等标记物定义）与花生四烯酸代谢通路之间发现了强烈的空间相关性。这一发现与 KEGG 和 Reactome 基因集的结果一致，并在批量 RNA-seq 数据（4,148 个样本）中得到了验证。
配体-受体对：在功能性 TLS 内进行的配体-受体对分析强调了 CXCL13-CXCR3 为排名靠前的配体对，显示出与功能性 TLS 信号的强空间共定位。该对与 TCGA-BRCA 和 METABRIC 队列中患者生存率的改善相关，表明其在经典的 CXCL13-CXCR5 轴之外，对 TLS 活动具有潜在且被低估的作用。

3. 泛癌细胞组织

对 123 个空间转录组样本（TNBC、OV、LC、HCC、ccRCC）的泛癌分析揭示了细胞组织的普遍原则：

成纤维细胞枢纽：成纤维细胞作为中心空间枢纽脱颖而出，始终表现出与免疫细胞（B 细胞、浆细胞、CD4+ T 细胞、巨噬细胞）的强空间关联，并作为距离上皮/癌细胞最近的细胞类型。
分离 vs 混合：样本根据成纤维细胞与上皮/癌细胞之间的空间关系（双变量 Moran's I）进行分层。
- 分离状态：成纤维细胞与肿瘤细胞之间具有更尖锐空间分离（清晰边界）的样本，与增强的免疫相关通路表达（如抗体产生）相关，并在多个队列中与患者生存率显著提高相关。
- 混合状态：具有混合空间模式的样本与不同的癌症相关成纤维细胞（CAF）亚型相关。具体而言，分离状态与抗原提呈型（apCAFs）、基质型（mCAFs）、分裂型（dCAFs）和网状型（rCAFs）亚型相关，而混合状态则与代谢型 CAF（meCAFs）相关。

重要性与主张

作者将 SEMA 定位为一种强大的、高效的工具，用于揭示空间分辨率下的通路活性。论文声称，通过显式地纳入空间上下文，SEMA 避免了将空间数据视为孤立点的方法所固有的误读。

该工作的意义在于其能力：

解码空间架构：通过考虑细胞功能的物理执行空间，提供对组织中生物学功能更忠实的表征。
实现大规模分析：为快速扩张的空间转录组数据集提供计算高效的解决方案。
生成新的生物学假设：揭示特定的空间关联，例如花生四烯酸代谢与 TLS 之间的联系，以及成纤维细胞-肿瘤细胞分离的预后价值，这些发现可能为重塑肿瘤微环境的策略提供信息。

作者承认了局限性，指出代谢和配体-受体方面的发现是基于基因表达的，需要未来通过空间代谢组学和功能实验进行验证。同样，细胞类型分布是基于标记基因集推断的，未来集成单细胞分辨率数据将能进一步完善这些相互作用图谱。