介绍

Spatially resolved transcriptomics (SRT) for characterizing spatial cellular heterogeneities in tissue environments requires systematic analytical approaches to elucidate gene expression variations within their physiological context. Here, we introduce SpaSEG, an unsupervised deep learning model utilizing convolutional neural networks for multiple SRT analysis tasks. Extensive evaluations across diverse SRT datasets generated by various platforms demonstrate SpaSEG’s superior robustness and efficiency compared to existing methods. In the application analysis of invasive ductal carcinoma, SpaSEG successfully unravels intratumoral heterogeneity and delivers insights into immunoregulatory mechanisms. These results highlight SpaSEG’s substantial potential for exploring tissue architectures and pathological biology.

空间解析转录组学（SRT）用于描述组织环境中细胞的空间异质性需要系统性的分析方法来阐明其在生理环境中的基因表达变化。在此，我们介绍了 SpaSEG，这是一种利用卷积神经网络的无监督深度学习模型，用于多种 SRT 分析任务。在由不同平台生成的各种 SRT 数据集上进行的广泛评估表明，SpaSEG 比现有方法具有更高的稳健性和效率。在浸润性导管癌的应用分析中，SpaSEG 成功揭示了肿瘤内的异质性，并提供了免疫调节机制的见解。这些结果突显了 SpaSEG 在探索组织结构和病理生物学方面的巨大潜力。

在组织或器官环境中，不同细胞群体的协同活动和功能构成了复杂的信息交流和精密的生物过程，这些过程可以通过空间有序的基因表达模式来加以描述[1,2,3]。新兴的基于空间的转录组学技术（SRT）使通过对物理捕获点进行分析来无偏地分析全转录组范围内的基因表达成为可能，为组织切片中的细胞异质性提供了空间层面的快照[4， 5]。近年来，各种 SRT 平台取得了巨大的进展[6]，包括基于成像的转录组学方法，如 MERFISH [7] 和 seqFISH [8]，以及基于下一代测序的方法，如 Slide-seqV2 [9]、10x Visium [10] 和 Stereo-seq [11]。尽管这些 SRT 技术实现了前所未有的分辨率，从多细胞到单细胞甚至亚细胞水平，且具有高基因通量，但在下游应用中它们不可避免地带来了计算和分析方面的挑战[12]。
在 SRT 数据分析中，一项关键任务是识别空间区域，这些区域被定义为具有明确基因表达模式且在空间上相互邻近的特定组织子区域。这些区域为理解组织结构和功能提供了关键信息，有助于描述细胞类型分布、局部转录组景观以及细胞间相互作用等[6， 13]。以往用于界定这些区域的方法主要采用了非空间聚类算法，如 Leiden [14]，这类算法优先考虑转录组相似性，但并未明确整合空间背景[15]。认识到这一局限性促使出现了结合基因表达和空间坐标的复杂方法，包括 SEDR [16]、BayesSpace [17]、SpaGCN [18]、stLearn [19] 和 Giotto [20] 等。随着 SRT 技术朝着更高的分辨率和更广泛的组织覆盖度发展，需要稳健的方法来应对日益增加的数据复杂性和规模[21， 22]。此外，当前的聚类方法在应用于来自不同空间分辨率的 SRT 平台的数据时，可能会遇到难以保持空间连续性和领域边界完整性的问题，这可能导致生成的领域碎片化，无法充分反映真实的生物组织结构[6， 13]。这些挑战凸显了开发计算效率高、能够稳健地在 SRT 数据集上清晰界定具有生物学意义的空间区域的方法的必要性，无论技术平台如何，也不论不同分辨率下的捕获点数量有多少。
对多个相邻的 SRT 片段进行综合分析，能够更深入地了解连续解剖结构中基因表达的变化情况。进行横截面整合的一个基本要求是建立空间区域之间的精确对应关系，以准确捕捉共有的组织结构[23]。最近开发的计算对齐方法，如 PASTE [24] 和 GPSA [25]，在相邻组织片的注册方面已显示出有效性。然而，这些方法中许多所采用的转换过程，特别是 GPSA，可能会引入空间扭曲，使对齐后的捕获点偏离其解剖学预期的位置。在对多片 SRT 数据集进行计算注册时，保持真实的组织结构仍然是一个重要的考虑因素[6]。在多片研究中当前的分析实践通常是对单个片断进行单独分析[26, 27]，或者不顾空间组织情况而整合各点的转录谱[15]。这些方法可能会削弱关键的空间背景信息，从而限制对相邻组织切片中组织结构、细胞相互作用以及功能动态的全面生物学解读。
探究空间域的功能特性需要精确识别在不同空间坐标上表现出差异表达模式的基因，这些基因被称为空间变量基因（SVGs）[28]。已开发出多种计算方法来检测 SVGs，包括 trendsceek [29]、SpatialDE [30] 和 SPARK [31]，它们主要通过假设检验的统计建模来处理空间相关性问题。此外，SpaGCN [18] 利用深度图卷积神经网络通过空间域内的差异表达分析来识别特定领域的 SVGs。这些在不同领域中基因表达的空间差异本质上暗示了驱动区域特定功能的细胞-细胞相互作用（CCIs）[13]。目前，大多数用于 SRT 数据分析的 CCI 推断策略采用了最初为单细胞 RNA 测序（scRNA-seq）数据集设计的方法 [15， 32]。这些方法可能无法充分考虑到细胞共定位或空间邻近性，这对于准确阐明这些功能至关重要。

代码

SpaSEG 的概述。a 空间分辨率转录组学数据预处理及类似图像的张量准备。b 采用双重损失函数的无监督 SpaSEG 神经网络，通过迭代学习共同优化转录相似性和空间依赖性。c 下游分析任务包括空间域识别、多个相邻切片整合、空间变量基因检测以及空间细胞-细胞相互作用推断。d 框图显示，在人类 10x Visium DLPFC 数据集的所有 12 个切片中，SpaSEG 在识别空间域方面的性能优于其他方法（通过 ARI 和 NMI 测量），统计显著性表示为：* p < 0.05，** p < 0.01，*** p < 0.001，**** p < 0.0001。e DLPFC 第 151673 切片的真实层标注。f SpaSEG 和其他竞争方法对第 151673 切片所识别的空间域的比较可视化，同时显示相应的 ARI 和 NMI 值。

参考

• SpaSEG: unsupervised deep learning for multi‑task analysis of spatially resolved transcriptomics