近日凭迹，《Nature Communications》發(fā)表了一篇關(guān)于空間轉(zhuǎn)錄組腫瘤微環(huán)境研究的創(chuàng)新性的算法（形態(tài)增強型空間轉(zhuǎn)錄組分析集成器（METI）），非常值得學習苦囱。
目錄
[TOC]
文章信息：
- 雜志嗅绸，Nature Communications，IF 14.7
- 標題：METI: deep profiling of tumor ecosystems by integrating cell morphology and spatial transcriptomics
摘要
最新的空間轉(zhuǎn)錄組學（ST）技術(shù)在腫瘤微環(huán)境（TME）內(nèi)的細胞相互作用方面提供了寶貴的見解撕彤。然而鱼鸠，大多數(shù)分析工具沒有考慮組織學特征，依賴于匹配的單細胞RNA測序數(shù)據(jù)羹铅，這限制了它們在TME研究中的有效性蚀狰。為了解決這個問題，文章介紹了形態(tài)增強型空間轉(zhuǎn)錄組分析集成器（METI）职员，這是一個端到端的框架麻蹋，用于映射癌細胞和TME組分，分層細胞類型和狀態(tài)焊切，并分析細胞共定位扮授。通過整合空間轉(zhuǎn)錄組學、細胞形態(tài)學和經(jīng)過篩選的基因簽名专肪，METI增強了我們對組織內(nèi)分子景觀和細胞相互作用的理解糙箍。文章在各種腫瘤組織生成的ST數(shù)據(jù)上評估了METI的性能，包括胃牵祟、肺和膀胱癌深夯，以及癌前組織，還對METI與現(xiàn)有的聚類和細胞反卷積工具進行了定量比較，展示了METI的穩(wěn)健性和一致性咕晋。
創(chuàng)新點
METI的創(chuàng)新之處在于其能夠通過以知識驅(qū)動的方式將組織形態(tài)學與轉(zhuǎn)錄組表達譜堅固地整合雹拄，以補償某一模態(tài)中的低質(zhì)量數(shù)據(jù)。
問題導讀
- 組織形態(tài)學數(shù)據(jù)指什么掌呜？文章是如何利用的滓玖？
- 如果有高質(zhì)量的基因表達數(shù)據(jù)，METI還有必要用嗎质蕉？
算法概述
METI以系統(tǒng)化势篡、逐步的方式分析腫瘤微環(huán)境（TME），專注于細胞從正常到癌前再到惡性的演變過程模暗，同時檢查每個組織切片中的淋巴細胞禁悠。METI輸入標準的空間轉(zhuǎn)錄組（ST）數(shù)據(jù)，包括spot-基因矩陣兑宇、相應組織切片的H&E圖像碍侦，以及將每個spot的位置映射到圖像上的X、Y坐標隶糕。METI的目標是在TME中精確識別各種細胞類型及其各自的狀態(tài)瓷产。
METI的兩個主要功能：
- 使用TESLA進行分辨率增強，基于細胞類型Meta基因的表達進行細胞類型富集區(qū)域鑒定枚驻。
- 基于圖像進行細胞核分割濒旦，根據(jù)細胞類型的形態(tài)學特點進行細胞類型富集區(qū)域鑒定。
METI的工作流程分為五個模塊：
- 正常和癌前細胞映射：利用特定的基因標記和形態(tài)學特征來識別和注釋正常及癌前細胞再登，例如胃中的杯狀細胞尔邓。
- 癌細胞域和異質(zhì)性識別：通過癌癥細胞標記來識別腫瘤區(qū)域，并進一步表征癌細胞狀態(tài)的異質(zhì)性霎冯，例如增殖性癌細胞和干細胞樣癌細胞铃拇。
- T細胞映射和表型分析：識別T細胞富集區(qū)域及其不同狀態(tài)，如CD4+ T細胞沈撞、CD8+ T細胞慷荔、調(diào)節(jié)性T細胞（Treg）和耗竭T細胞（Tex）。
- 其他免疫細胞的深入分析：檢測腫瘤微環(huán)境中除了T細胞之外的其他免疫細胞類型缠俺，包括中性粒細胞显晶、巨噬細胞、B細胞和漿細胞壹士。
- 癌癥相關(guān)成纖維細胞（CAFs）分析：分析腫瘤微環(huán)境中的基質(zhì)細胞成分磷雇，包括CAFs及其亞型，如肌成纖維細胞（myCAFs）躏救、炎癥成纖維細胞（iCAFs）和抗原呈遞成纖維細胞（apCAFs）唯笙。
主要結(jié)果
以文章結(jié)果第一章節(jié)為例說明整個算法的工作流程螟蒸，文章其余部分結(jié)果相似。
章節(jié)標題：繪制正常細胞和癌前細胞
該部分主要內(nèi)容為對胃腺癌（STAD）樣本中g(shù)oblet cell富集區(qū)域的鑒定崩掘。那為什么聚焦goblet cell細胞呢七嫌？首先在疾病背景下，腸道中杯狀細胞的異常存在是被稱為腸上皮化生的一種癌前狀況的關(guān)鍵特征苞慢，對應了標題中提到的癌前細胞诵原。其次，goblet cell在H&E染色圖像中表現(xiàn)出獨特的形態(tài)特征挽放，形狀像酒杯绍赛，頂部有淡色、幾乎白色的囊泡辑畦，底部有橢圓形的細胞核吗蚌。
關(guān)于goblet cell富集區(qū)域的鑒定分為兩部分，第一部分基于基因表達航闺，第二部分基于形態(tài)學特征褪测。首先基于已發(fā)表達文獻猴誊，整理goblet cell元基因signature（MS4A10, MGAM, CYP4F2, XPNPEP2, SLC5A9, SLC13A2, SLC28A1, MEP1A,ABCG2, ACE2）潦刃。使用TESLA進行分辨率增強，生成接近單細胞分辨率的表達矩陣懈叹，基于元基因的表達乖杠，利用METI進行區(qū)域注釋。但是因為在切片中region4的UMI分布較低澄成，導致本來存在goblet cell富集的區(qū)域沒有被鑒定出來胧洒。
這時候，第二部分登場墨状，METI基于H&E圖像進行細胞核分割卫漫，利用K-means聚類首先識別不同的形態(tài)學成分，如背景肾砂、細胞核列赎、纖維、腺體和壞死镐确。然后通過顏色包吝、形狀、大小等過濾（元素的面積>40源葫、固體度>0.5和長寬比<3的過濾器）诗越，METI識別到了region4區(qū)域的goblet cell。
通過整合基因表達和圖像分析的結(jié)果息堂，METI成功地識別了所有四個富含杯狀細胞的區(qū)域嚷狞，如圖2g所示。這種綜合方法用于杯狀細胞的檢測，克服了UMI計數(shù)低所帶來的限制床未，為分析樣本中的杯狀細胞提供了更為準確的特征描述褂乍。
其它章節(jié)：
文章依據(jù)基因的表達對癌細胞區(qū)域進行注釋，如EPCAM即硼。此外逃片，在生物組織內(nèi)空間量化細胞的分布和密度對于多種應用至關(guān)重要，特別是在病理學和腫瘤學領域只酥。文章通過核分割方法生成了癌細胞3D密度圖褥实。
文章其余部分提到的對細胞狀態(tài)和異質(zhì)性的分析，就只能依據(jù)marker基因表達進行了裂允。比如對CD4 Treg和CD8 Tex亞型分布的鑒定损离，以及增生性癌細胞、干細胞樣癌細胞的鑒定绝编。
文章最后對METI算法針對低質(zhì)量圖片的魯棒性進行了說明僻澎。相機聚焦失誤導致的模糊不清掩蓋了細胞邊界，應用METI進行B細胞的注釋十饥。B細胞和其它淋巴細胞一樣窟勃，可以通過它們在H&E圖像中的小而深紫色的細胞核來區(qū)分。因此逗堵，使用METI的第一步是在H&E圖像上識別淋巴細胞秉氧。圖像的模糊導致了大量假陽性的淋巴細胞檢測，這些細胞特別分散在組織邊緣周圍蜒秤。METI的后續(xù)步驟是使用特定的基因標記汁咏，包括MS4A1和CD19，來識別B細胞作媚。METI通過將B細胞數(shù)據(jù)與圖像分析中識別的淋巴細胞區(qū)域疊加來進一步完善檢測攘滩，證明了METI的魯棒性。
應用前景
METI的框架內(nèi)集成了一組預定義的細胞類型marker和模型參數(shù)纸泡，而且為更高級的用戶提供靈活性漂问。研究人員可以通過輸入自己感興趣的marker來定制METI，以適應正在研究的特定組織或疾病弟灼。
文章中提到的細胞類型级解，如杯狀細胞、淋巴細胞田绑、中性粒細胞勤哗、成纖維細胞可能屬于在形態(tài)學上容易區(qū)分的類型，但是文章也沒有給出針對每種細胞類型的形狀掩驱、顏色芒划、大小冬竟、面積等過濾器參數(shù)，可見這一部分的內(nèi)容針對不同的樣本存在非常大的調(diào)整空間民逼，也昭示著實際分析過程中的不斷調(diào)參調(diào)整的過程泵殴。
研究團隊也指出了METI對轉(zhuǎn)錄組數(shù)據(jù)的依賴，這些數(shù)據(jù)可能容易受到技術(shù)波動拼苍、受限的樣本質(zhì)量笑诅、丟失事件以及對用戶提供的基因簽名的依賴，可能導致產(chǎn)生假陰性結(jié)果疮鲫。此外吆你，METI分割功能的性能可能會因所分析圖像的質(zhì)量和分辨率而異。
一句話評價
高端玩家的精細化之作俊犯。
