Advanced Science· Xu·· 2 天前AI 评分50
SVP 框架从空间转录组映射空间可变细胞状态、通路和调控程序及其耦合
SVP Maps Spatially Variable Functional Programs and Their Coupling in Spatial Transcriptomics
AI 导读
Advanced Science 的论文提出计算框架 SVP,可直接从空间转录组数据映射空间可变的细胞状态、通路与调控程序,并在模拟和真实数据集中以校准统计量检测空间可变特征。该框架在胰腺导管腺癌中识别出与低免疫活性区域共定位的缺氧和细胞外基质重塑生态位,还捕捉到发育中人类心脏的功能成熟及阿尔茨海默病模型中的斑块相关胶质程序。
- 背景
- 空间转录组使组织架构能够在分子分辨率上被测量,但现有计算流程大多先寻找空间可变基因,再据此间接推断生物学功能。这种以基因为中心的路线把功能状态、通路和调控程序拆成需要下游解释的基因列表,缺少直接在空间坐标上刻画功能活性的手段。SVP 针对的问题正是:能否绕过基因集合这一中间层,直接在捕获位置上读取细胞状态、通路与调控程序,并描述它们在空间上的耦合关系。
- 做法
- SVP 是一个直接从空间转录组数据映射空间可变细胞状态、通路和调控程序的框架。其核心由两部分组成:先在单个捕获位置做功能活性推断,再对推断出的特征施加全局与局部空间自相关分析;并进一步把分析扩展到异质特征之间的双变量空间耦合。作者在模拟数据和真实数据上评估该框架,覆盖胰腺导管腺癌、发育中的人心脏以及阿尔茨海默病模型,并报告其可高效扩展到大型数据集。方法上的差异点在于把功能活性本身作为分析对象,而不是先做基因水平的空间可变性筛选再间接解释。
- 结论
- 在模拟与真实数据中,SVP 在单个捕获位置上恢复了与细胞状态相关的活性模式;以经过校准的统计量检测空间可变特征;并能扩展到大型数据集。在胰腺导管腺癌中,SVP 识别出一个在空间上协同组织的缺氧与细胞外基质重塑生态位,该生态位与低免疫活性区域共定位;在发育中的人心脏中捕获到功能成熟;在阿尔茨海默病模型中捕获到斑块相关的胶质程序。这些结果分别落在细胞状态、通路与调控程序以及生态位尺度的空间组织上。
- 意义
- SVP 把分析单位从基因转到功能程序与细胞状态,使空间转录组的输出可以直接描述功能空间组织,而不再只停留在“哪些基因在空间上可变”。对于需要定位缺氧与细胞外基质重塑生态位、低免疫活性区域、发育成熟梯度或疾病模型胶质反应的研究者,这提供了一种在捕获位置分辨率上做功能映射的路径。作者将这一转变概括为超越以基因为中心的组织架构描述。
本页是 AI 精读,不转载论文原文;完整论文(含方法、图表与参考文献)见原文
来源:Advanced Science · doi.org