AnchorR：用于空间转录组学与组织学协同探索的 QuPath 和 R 接口

单细胞空间转录组学能够将分子层面的细胞状态与组织形态联系起来，但这一前景有赖于与组织病理图像的精确配准。然而，在连续切片中，由于切片伪影、染色差异以及视野采集范围的影响，组织边界常常存在差异，从而限制了传统基于区域的配准方法。 我们开发了 AnchorR，这是一种由专家引导的工作流程，用于对苏木精-伊红（H&E）图像与 CosMx 空间分子成像数据进行粗粒度配准。生物信息学研究人员首先在 Seurat 中定义并为细胞类型进行颜色编码，随后病理学家利用 QuPath 叠加图像识别对应的内部标志点。AnchorR 将这些成对标志点结合起来，以估计仿射变换、量化残余误差，并支持可视化质量控制和标志点优化。 利用 6 个口腔癌前组织切片，我们识别出 60 个跨模态标志点。对每张切片分别独立拟合后，平均标志点误差由采用单一整张切片变换时的 121.5 μm 降至 14.6 μm。交叉验证进一步表明，增加标志点数量可提高稳健性；当使用 9 个标志点进行拟合时，误差约为 20 μm，约相当于一个细胞直径。 AnchorR 旨在补充自动化计算机视觉方法：当边界不匹配导致全局配准困难时，它能够提供可靠的组织层面对齐。通过为病理学家和生物信息学研究人员创建共享工作空间，它将“专家参与回路”的方法付诸实践，并使得无需专门的计算机视觉专业知识或高性能计算资源即可开展基于特征的多模态配准。

单细胞空间转录组学能够将分子层面的细胞状态与组织形态联系起来，但这一前景依赖于与组织病理学图像的准确配准。然而，在连续切片中，由于切片伪影、染色差异以及视野采集方式的影响，组织边界常常存在差异，从而限制了传统基于区域的配准方法。

我们开发了 AnchorR，这是一种由专家引导的工作流程，用于对苏木精-伊红（H&E）图像与 CosMx 空间分子成像数据进行粗粒度对齐。生物信息学研究人员首先在 Seurat 中定义并对细胞类型进行颜色编码，随后病理学家利用 QuPath 叠加图层识别相应的内部标志点。AnchorR 将这些成对的标志点结合起来，以估计仿射变换、量化残余误差，并支持可视化质量控制与标志点优化。

在6个口腔癌前病变组织切片中，我们识别出60个跨模态标志点。对每个切片分别独立拟合后，平均标志点误差由采用单一整张切片变换时的121.5 m 降至14.6 m。交叉验证进一步表明，随着标志点数量增加，配准的稳健性得到提升；当使用9个标志点进行拟合时，误差约为20 m，约相当于一个细胞的直径。

AnchorR 旨在补充自动化计算机视觉方法：当边界不匹配使全局配准变得困难时，它能够提供可靠的组织层面对齐。通过为病理学家和生物信息学研究人员创建共享工作空间，该方法将“专家参与回路”的策略付诸实践，并使基于特征的多模态配准在无需专门计算机视觉专业知识或高性能计算条件下也可实现。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.05.742985v1?rss=1

🏷️ 空间转录组学 组织学配准 病理图像分析 QuPath Seurat 多模态数据整合