- 5 次围观
随着空间转录组学（spatial transcriptomics, ST）和空间蛋白质组学（spatial proteomics, SP）技术的日趋成熟，实验设计正日益从单切片分析转向涉及一个或多个供体及实验条件的多切片研究。尽管这类设计能够识别可重复的空间信号，但也引入了显著的生物学异质性，尤其是在整合非连续切片或解剖学上不同区域时。如果不能进行审慎建模，这种变异会模糊切片特异的组织结构，掩盖保守的分子模式，并限制对具有生物学意义的潜在结构的发现。尽管降维对于在低维空间中表征高维分子数据至关重要，现有多切片方法通常施加全局共享表示，因而无法充分适应切片层面的异质性。为解决这一局限，我们提出多切片图主成分分析（Multi-Slice Graph Principal Component Analysis, MSGPCA），该方法将分子变异分解为跨切片保守的共享空间因子，以及刻画局部组织微结构的切片特异因子。在下游分析中，MSGPCA所得表示能够恢复空间组织结构、对分子谱进行去噪，并揭示与共享生物学和切片特异生物学相关、具有生物学可解释性的元特征。在一个包含导管原位癌（ductal carcinoma in situ, DCIS）和浸润性乳腺癌（invasive breast cancer, IBC）非连续切片的质谱成像数据集中，共享因子捕捉到了组织区域间广泛的生物学差异，而切片特异因子则揭示了 IBC 微环境内部肿瘤内的空间变异。在人类背外侧前额叶皮层空间转录组数据中，MSGPCA恢复了相邻切片间皮层分层结构，并与病理学专家注释高度一致。综上，这些发现表明，MSGPCA能够在复杂的多切片空间组学数据集中解析共享的组织结构，同时保留局部微环境变异。
随着空间转录组学（spatial transcriptomics, ST）和空间蛋白质组学（spatial proteomics, SP）技术的日趋成熟，实验设计正日益从单切片分析转向涉及一个或多个供体及实验条件的多切片研究。尽管这类设计有助于识别可重复的空间信号，但其也引入了显著的生物学异质性，尤其是在整合非连续切片或解剖学上不同区域时更为明显。若未进行谨慎建模，这种变异可能会模糊切片特异性的组织结构，掩盖保守的分子模式，并限制具有生物学意义的潜在结构的发现。尽管降维对于在低维空间中表征高维分子数据至关重要，现有多切片方法通常强制采用全局共享表示，因而无法充分容纳切片层面的异质性。
为解决这一局限性，我们提出多切片图主成分分析（Multi-Slice Graph Principal Component Analysis, MSGPCA），该方法将分子变异分解为跨切片保守的共享空间因子，以及用于捕获局部组织微结构的切片特异性因子。在下游分析中，基于 MSGPCA 得到的表示能够恢复空间组织结构、去噪分子谱，并揭示与共享生物学和切片特异性生物学相关、具有生物学可解释性的元特征。在一个包含导管原位癌（ductal carcinoma in situ, DCIS）和浸润性乳腺癌（invasive breast cancer, IBC）非连续切片的质谱成像数据集中，共享因子捕获了组织区域间广泛的生物学差异，而切片特异性因子则揭示了 IBC 微环境内部肿瘤内的空间变异。在人类背外侧前额叶皮层空间转录组数据中，MSGPCA 恢复了相邻切片间皮层分层结构，并与病理学专家的注释高度一致。综上，这些结果表明，MSGPCA 能够在复杂的多切片空间组学数据集中解析共享的组织结构，同时保留局部微环境变异。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.05.743056v1?rss=1
🏷️ 空间组学 空间转录组学 多切片整合 降维分析 图主成分分析 肿瘤微环境