- 8 次围观
内容形式：摘要译文
组织功能依赖于细胞间交换的信号及其引发的响应。然而，原位多样的细胞间相互作用是否构成反复出现的发送者—接收者程序，仍不明确。我们提出 SpiderNet，这是一种可解释的表征学习框架，可从空间转录组数据中发现此类定向程序，并将其表示为细胞间元相互作用（meta-interactions，MIs）的紧凑基底。SpiderNet 联合学习定义每种 MI 的发送者调控因子、配体—受体对和接收者靶标，并确定每种程序在相邻细胞对中的活跃位置。由此得到的表征可追踪多细胞信号中继，并将细胞间通讯与细胞状态、扰动响应及表型联系起来。在模拟数据中，SpiderNet 能够恢复真实的 MIs 及其分子组成；在真实组织中，与其他方法相比，它与发送者和接收者中独立整理的调控程序表现出更强的方向特异性一致性。基于超过 580 万个空间分析细胞，SpiderNet 揭示了免疫抑制性卵巢癌微环境中的 SPP1-THBS 信号中继，该中继连接单核细胞、成纤维细胞和肿瘤细胞；它还能预测 T 细胞对留出黑色素瘤细胞扰动的响应，并识别出一种与 T 细胞相关的脑衰老程序，以及可跨脑区和平台迁移的年龄预测信号。它还揭示了一种反复出现的泛癌种、与 COLLAGEN 相关的成纤维细胞—肿瘤程序；在独立队列中，该程序的投影丰度与较差的生存结局及对免疫疗法无响应相关。因此，SpiderNet 确立了 MIs 这一介于分子相互作用与组织表型之间、可重复利用的组织层级，并为原位解析、比较、追踪和扰动多细胞调控提供了一个框架。
关键词：空间转录组 · 细胞间通信 · 元相互作用 · 表征学习 · 肿瘤微环境
原文链接：https://www.biorxiv.org/content/10.64898/2026.09.21.753369v1?rss=1