spaGFM is a scalable graph foundation model for spatial transcriptomics analyses
本文介绍了 spaGFM，这是一种可扩展的图基础模型，它利用随机游走和自监督学习来生成稳健且可迁移的空间转录组学数据表示，从而能够分析不同生物学背景下复杂的组织结构及其功能性后果。
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
长期以来，生物学一直依赖于通过显微镜观察组织样本并计数所见的细胞，但这种方法往往会忽略大局。单个细胞并非孤立存在；其行为受其所处环境的影响。在活体器官中，一个细胞的功能会根据它身边的邻居是在对抗感染还是在默默修复损伤而发生变化。为了理解组织如何运作以及为何在疾病中失效，科学家不仅需要看到单个的“参与者”，还需要看到它们所形成的复杂且不断变化的“社区”。近年来，一种被称为空间转录组学（spatial transcriptomics）的新技术使这成为可能，它通过精确绘制组织样本中每个基因在何处被激活，从而在保留居民名单的同时，也保留了其社区的地图。然而，这些地图正变得如此庞大且细致，以至于计算机难以读取。这些数据并非简单的单词列表或一串直线代码；它是一个错综复杂的连接网络，其中细胞之间的距离和关系比细胞本身更为重要。
一个研究团队推出了一种名为 spaGFM 的新工具，旨在解析这些复杂的细胞社区。你可以将其想象为一个学习通过追踪细胞间的路径来阅读组织故事的系统，而不是仅仅孤立地观察它们。研究人员利用海量数据对该系统进行了训练，向其输入了来自 132 个不同组织样本的信息，这些样本包含近 4400 万个细胞。这些样本来自人体和鼠类的不同部位，包括肺、肝脏和大脑，并使用不同的高分辨率成像设备捕获。通过研究这个庞大的库，该系统学会了识别细胞如何组织成功能性群体的模式。它通过将组织视为一个由连接的点组成的地图来进行处理，其中每个点代表一个细胞。该系统并没有试图一次性处理整个地图，而是通过在地图上进行“漫步”，从一个细胞跳到它的邻居，再跳到邻居的邻居。它将这些旅程记录为一系列步骤，从而使其能够理解任何给定细胞的局部环境——从其直接周围环境到其所处的更广泛社区。
这种方法的强大之处在三个截然不同的生物学挑战中得到了验证，每一次都揭示了该系统如何将其学到的知识应用于新情境。首先，研究人员询问该系统是否能找到被称为三级淋巴结构（tertiary lymphoid structures）的特定免疫结构。这些是慢性炎症或癌症期间在组织中形成的微小、有组织的免疫细胞簇，它们的出现通常预示着患者对治疗的反应如何。识别它们非常困难，尤其是在图像分辨率较低、细胞边界模糊的老旧数据中。由于该系统仅在基于高分辨率图像进行训练，它仍能成功定位肺癌和肾癌样本中低分辨率数据中的这些结构。它无需在这些新数据上进行重新训练，只需通过识别此前学到的空间模式即可实现。结果表明，即使数据来自完全不同的机器，该系统也能比以往的方法更准确地将这些免疫集群与周围的肿瘤组织区分开来。
接下来，团队探索了该系统如何理解免疫环境对癌细胞的影响。在一项涉及小鼠肿瘤基因实验的研究中，研究人员已经改变了癌细胞中的特定基因，以观察它们的反应。问题在于，癌细胞的反应是否取决于它是否站在 T 细胞（一种免疫细胞）旁边。该系统能够通过分析基因活动的模式，观察癌细胞的遗传变化，并正确预测哪些细胞靠近 T 细胞，哪些远离 T 细胞。更重要的是，如果某种反应取决于其与免疫细胞的接近程度，它甚至可以预测癌细胞对从未见过的遗传变化的反应。这表明该系统真正学习了细胞如何与其邻居“交流”的规则，而不仅仅是背诵一份基因行为清单。
最后，研究人员将该工具应用于一名患有糖尿病肾病患者的人类肾脏活检样本。在这种疾病状态下，肾脏中被称为肾小球（glomeruli）的微小过滤单元会发生损伤和瘢痕化。病理学家通过肉眼对这种损伤进行分级（从轻度到重度），但这种做法既困难又具有主观性。该系统能够观察组织并将细胞自动分组到正确的损伤类别中，与人类专家给出的等级相匹配。它甚至识别出了人类初步审查中遗漏的新损伤肾小球区域，而这些区域随后通过特定的分子标记得到了证实。该系统还揭示了随着损伤加剧，社区的组成会以可预测的方式发生变化，即某些保护性细胞消失，而其他细胞取而代之。
这项工作的意义在于其可扩展性。以往分析这些细胞地图的方法在面对数据规模过大或过于复杂时往往会陷入困境，会被海量的连接关系所拖累。这种新方法通过将复杂的细胞间连接网络转换为现代计算机可以高效处理的格式，绕过了这些限制。它允许科学家学习关于组织如何构建以及如何崩溃的通用规则，这些规则在不同器官和不同疾病中同样适用。虽然该系统并非取代人类专家的神奇方案，但它为观察微观世界提供了一个强大的新视角。它将数十亿个细胞的混乱堆叠转化为一个可读的组织故事，为理解生命与疾病的基本原理提供了更清晰的路径。
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。