撰文：珍奇

IF：54.908

推薦度：?????

亮點(diǎn)：

1,、本文提出了一種多模式結(jié)構(gòu)化嵌入 (MUSE)技術(shù),，它可發(fā)現(xiàn)任一模態(tài)遺漏的組織亞群并補(bǔ)償特定于模態(tài)的噪聲。

2,、研究者將 MUSE 應(yīng)用于包含空間轉(zhuǎn)錄組學(xué)和成像模式的各種數(shù)據(jù)集,，在健康的大腦皮層和腸道組織中確定了具有生物學(xué)意義的組織亞群和定型空間模式。

3,、在患病組織中,，MUSE 揭示了與腫瘤區(qū)域接近的基因生物標(biāo)志物和阿爾茨海默病腦區(qū)淀粉樣前體蛋白加工的異質(zhì)性。

組織由處于不同狀態(tài)的細(xì)胞集合構(gòu)成,，顯微鏡可以通過(guò)形態(tài)學(xué)的相似性來(lái)識(shí)別和表征細(xì)胞類型,。單細(xì)胞轉(zhuǎn)錄組學(xué)提供了互補(bǔ)的方法來(lái)通過(guò)轉(zhuǎn)錄狀態(tài)的相似性來(lái)表征細(xì)胞類型?？臻g轉(zhuǎn)錄組學(xué)的最新進(jìn)展將這兩種方法結(jié)合起來(lái),，允許在空間轉(zhuǎn)錄組學(xué),、順序熒光原位雜交、多重抗錯(cuò)熒光原位雜交和空間分辨轉(zhuǎn)錄擴(kuò)增子讀出映射 (STARmap),。然而,，用于對(duì)來(lái)自同一細(xì)胞的形態(tài)學(xué)和轉(zhuǎn)錄組學(xué)數(shù)據(jù)進(jìn)行綜合分析的通用方法卻很少存在。2022年3月28日,，美國(guó)加州大學(xué)舊金山藥學(xué)院的研究團(tuán)隊(duì)在《Nature Biotechnology》雜志上發(fā)表了一篇名為“Integrative spatial analysis of cell morphologies and transcriptional states with MUSE”的研究型論文,，他們證實(shí)了這項(xiàng)深度學(xué)習(xí)技術(shù)可用于結(jié)合來(lái)自最先進(jìn)的空間轉(zhuǎn)錄組學(xué)和顯微鏡技術(shù)的信息，以深入了解異質(zhì)組織的組織,、功能和疾病進(jìn)展,。

MUSE 建立在標(biāo)準(zhǔn)的多視圖 AE 神經(jīng)網(wǎng)絡(luò)架構(gòu)之上，并添加了自監(jiān)督損失函數(shù),。學(xué)習(xí)分三個(gè)步驟進(jìn)行：（1）特定于模態(tài)的轉(zhuǎn)換：輸入特征 x 和 y 被轉(zhuǎn)換為潛在表示 hx 和 hy,； (2)偽標(biāo)簽學(xué)習(xí)：對(duì)特征空間hx和hy分別進(jìn)行聚類，得到每種模態(tài)的偽標(biāo)簽lx和ly,； (3) 聯(lián)合特征學(xué)習(xí)：特定模態(tài)的特征 hx 和 hy 被合并并轉(zhuǎn)換為聯(lián)合潛在特征表示 z,。學(xué)習(xí)過(guò)程以最小化組合的自我重建和自我監(jiān)督損失函數(shù)為指導(dǎo)。整個(gè)神經(jīng)網(wǎng)絡(luò)中的模型參數(shù)在每次迭代中聯(lián)合更新,。最后，在模型訓(xùn)練之后,，聯(lián)合潛在特征 (z) 可以用于各種任務(wù),，例如聚類和軌跡推斷。

為了評(píng)估 MUSE 的性能,，他們最初使用模擬的轉(zhuǎn)錄本和形態(tài)數(shù)據(jù),，其中每個(gè)樣本（細(xì)胞或組織點(diǎn)）的地面實(shí)況亞群分配是已知的。作為基準(zhǔn),，MUSE 與幾種現(xiàn)有的方法進(jìn)行了比較,，這些方法結(jié)合了數(shù)據(jù)（CCA、MOFA 和 AE）以及來(lái)自兩種模式的特征的簡(jiǎn)單連接作為基線,。首先研究者使用模擬數(shù)據(jù)來(lái)評(píng)估 MUSE 從每種模態(tài)中捕獲判別信息的能力,。他們?cè)谕暾亩嗄B(tài)空間中保留了 10 個(gè)地面實(shí)況亞群，并通過(guò)隨機(jī)合并每種模態(tài)的一組不同樣本集群分配來(lái)降低兩種單一模態(tài)解決這些亞群的能力,。隨著聚類數(shù)量的減少,，分解方法 MOFA 和特征連接保持了與單模態(tài)方法相似的準(zhǔn)確度水平，而 MUSE 超過(guò)了單模態(tài)基準(zhǔn),。接下來(lái),，他們?cè)u(píng)估了當(dāng)一種模式中的數(shù)據(jù)質(zhì)量下降時(shí) MUSE 的性能。單細(xì)胞數(shù)據(jù)中的兩個(gè)持續(xù)存在的問(wèn)題是測(cè)序丟失和特征測(cè)量中的噪聲,。結(jié)果顯示,，較低質(zhì)量的模態(tài)不會(huì)過(guò)度損害 MUSE 的使用能力更高質(zhì)量的模式。在潛在空間中可視化結(jié)果表明 MUSE 表示保持了十個(gè)集群的可辨別的亞群結(jié)構(gòu)。依賴于最大化多模態(tài)相關(guān)性（CCA）,、沒(méi)有自我監(jiān)督的重建精度（AE 和 MOFA ）或特征連接的多模態(tài)方法在任何一種模態(tài)中都受到數(shù)據(jù)退化的強(qiáng)烈影響,。

總之，合成數(shù)據(jù)表明 MUSE 滿足了他們對(duì)成功的多模態(tài)方法的兩個(gè)先驗(yàn)要求,。也就是說(shuō),，MUSE 使用的結(jié)構(gòu)化自我監(jiān)督方法有助于捕獲和組合僅從任何一種方式都無(wú)法獲得的判別性信息。此外,，MUSE 并沒(méi)有因?yàn)橐环N或兩種方式的數(shù)據(jù)質(zhì)量差而過(guò)度混淆,。

圖1. MUSE 概述和模擬數(shù)據(jù)的性能評(píng)估。

由于缺乏基本事實(shí),，在真實(shí)數(shù)據(jù)上評(píng)估推斷的亞群結(jié)構(gòu)可能具有挑戰(zhàn)性,。然而，具有特定細(xì)胞類型空間組織的組織可以提供獨(dú)立的證據(jù)來(lái)評(píng)估學(xué)習(xí)表示的質(zhì)量和確定的亞群,。一個(gè)特別好的例子是大腦皮層,，其多層模式提供正交信息來(lái)評(píng)估發(fā)現(xiàn)的亞群。因此,，他們將 MUSE 應(yīng)用于兩個(gè)實(shí)驗(yàn)性小鼠皮層數(shù)據(jù)集,。

第一個(gè)皮層數(shù)據(jù)集是使用 seqFISH 技術(shù)獲得的。該數(shù)據(jù)集包括約10,000 個(gè)基因的表達(dá)譜和 523 個(gè)細(xì)胞的 DAPI 和 Nissl 染色細(xì)胞圖像,。他們擴(kuò)展了亞群分析,，在三個(gè)類別中的每個(gè)類別中包含四種方法，基于：（1）僅轉(zhuǎn)錄特征 x（PCA,、ZIFA34,、SIMILR25 和 scScope26，在方法中有詳細(xì)描述）,；（2）只有形態(tài)特征y（PCA,、多維縮放（MDS）、等距映射（Isomap）和t分布隨機(jī)鄰域嵌入（tSNE））,；或 (3) x 和 y 的組合（CCA,、MOFA 18、AE 和 MUSE）,。

MUSE 確定了相對(duì)大量的空間共定位的集群,。在某些情況下，可以看到同一皮質(zhì)層內(nèi)的 MUSE 簇具有不同的形態(tài)分布,，以及與最近單細(xì)胞 RNA 測(cè)序（scRNA-seq）中報(bào)道的不同谷氨酸能細(xì)胞類型相匹配學(xué)習(xí),。

圖2. MUSE 對(duì) seqFISh 小鼠皮層數(shù)據(jù)的評(píng)估。

第二個(gè)皮層數(shù)據(jù)集是使用 STARmap 技術(shù)獲得的,。對(duì)于轉(zhuǎn)錄模式,，該數(shù)據(jù)集包含 1,020個(gè)基因的 973 個(gè)單細(xì)胞表達(dá)譜,；然而，對(duì)于形態(tài)學(xué)模式,，只提供了細(xì)胞形狀掩碼,。數(shù)據(jù)的處理方式與之前的皮層數(shù)據(jù)集相同，以獲得潛在的表示和亞群,。他們將基于偽彩色皮層深度“發(fā)現(xiàn)”皮層結(jié)構(gòu)的方法進(jìn)行了可視化,。作為案例研究，他們分析了在 MUSE 提供的聯(lián)合潛在空間中從個(gè)體（基于 PCA）或組合（基于 MUSE）模態(tài)識(shí)別的 STARmap 集群,。他們根據(jù) MUSE是否精確,、復(fù)制或與從單模態(tài)分析中獲得的集群相比是否發(fā)現(xiàn)了新集群來(lái)對(duì)集群進(jìn)行分類。“精確”的 MUSE 簇基于轉(zhuǎn)錄特征分離不佳,，但基于形態(tài)特征分離得相當(dāng)好,。在綜合分析中，MUSE 利用形態(tài)多樣性進(jìn)一步將細(xì)胞分解為亞組,。“復(fù)制”的 MUSE 簇僅基于轉(zhuǎn)錄特征是不同的,。差異表達(dá)分析使他們能夠?qū)⑦@些簇注釋為星形膠質(zhì)細(xì)胞 (Astro.)、海馬神經(jīng)元 (Hippo.),、少突膠質(zhì)細(xì)胞 (Oligo.) 或平滑肌 (SMC) 細(xì)胞,。 “發(fā)現(xiàn)”的 MUSE 集群從任何一種單一模式中都被遺漏了，它們單獨(dú)只提供了微弱的差異,。在這里,，來(lái)自兩種模式的弱異質(zhì)性的組合使 MUSE 能夠識(shí)別不同的 L2/3、L5 和 L6 結(jié)構(gòu),。

圖3. 在 STARmap 皮層數(shù)據(jù)集上分析 MUSE 集群,。

遺傳多樣性和腫瘤微環(huán)境變異可以極大地影響癌癥進(jìn)展,、診斷和治療,。在這里，他們利用了 ST 收集的胰腺導(dǎo)管腺癌 (PDAC) 數(shù)據(jù)集,，該數(shù)據(jù)集提供了基于組織點(diǎn)（而不是基于單細(xì)胞）的轉(zhuǎn)錄狀態(tài)報(bào)告,。研究者將 MUSE 應(yīng)用于可用的 ST 和圖像多模態(tài)數(shù)據(jù)，并確定了兩個(gè)形態(tài)上不同的癌癥區(qū)域,，每個(gè)癌癥區(qū)域都基于特征標(biāo)記基因捕獲了兩個(gè)不同的克隆之一,。在癌癥區(qū)域之外，MUSE 還將非腫瘤組織分解為空間上不同的子區(qū)域,。他們對(duì)這些簇進(jìn)行了差異表達(dá)分析,，以研究跨組織區(qū)域的變化。頂部過(guò)表達(dá)的癌癥區(qū)域基因是先前鑒定的 PDAC 生物標(biāo)志物,；這些基因隨著與癌癥區(qū)域距離的增加呈下降趨勢(shì),。相比之下,，頂部過(guò)表達(dá)的非癌區(qū)基因顯示出相反的距離趨勢(shì)。

圖4. MUSE在St PDAc數(shù)據(jù)集上的應(yīng)用,。

接下來(lái),，他們使用市售的 10xVisium 空間平臺(tái)將 MUSE 應(yīng)用于最近生成的男性成人結(jié)腸數(shù)據(jù)集。受最近一項(xiàng)研究的啟發(fā),，他們使用來(lái)自該組織中主要細(xì)胞類型的已知標(biāo)記來(lái)評(píng)估已識(shí)別簇的一致性,。他們專注于四種主要細(xì)胞類型，它們被標(biāo)記為上皮細(xì)胞,、肌肉細(xì)胞,、免疫細(xì)胞和內(nèi)皮細(xì)胞。在簇內(nèi)清楚地識(shí)別出上皮和肌肉層,。與單獨(dú)的圖像模態(tài)相比,，MUSE 和轉(zhuǎn)錄簇通常顯示出更高的層特異性基因富集。免疫和內(nèi)皮細(xì)胞在 H&E 圖像中出現(xiàn)空間分組,。對(duì)于免疫區(qū)域,，僅圖像和 MUSE 亞群顯示更高的標(biāo)記富集，而對(duì)于內(nèi)皮區(qū)域,，僅轉(zhuǎn)錄本和 MUSE 顯示更高的標(biāo)記富集,。

圖5. MUSE 在 10x Visium 人體腸道數(shù)據(jù)集上的應(yīng)用。

最后,，他們研究了 MUSE 如何利用組合的 ST 和病理生物標(biāo)志物圖像數(shù)據(jù),。為此，他們利用了一項(xiàng)關(guān)于大腦中淀粉樣蛋白-β (Aβ) 肽沉積（阿爾茨海默?。?/span>AD）的關(guān)鍵病理生理學(xué)標(biāo)志）的研究,。在這里，他們?cè)诰哂修D(zhuǎn)錄本 (ST) 和 Aβ 分布（免疫熒光成像）的區(qū)域信息的多模式 AD 數(shù)據(jù)集上評(píng)估了 MUSE50,。對(duì)于每個(gè)樣本,，他們分析了一個(gè)組織切片，該切片在空間上進(jìn)行了 ST 測(cè)序,，以及相鄰切片的 Aβ 免疫染色,。對(duì)于形態(tài)學(xué)模態(tài)，他們?yōu)槊總€(gè) ST 點(diǎn)分割相鄰熒光圖像（僅 Aβ 通道）中的相應(yīng)區(qū)域,，并使用 Inception v3 模型學(xué)習(xí)深度嵌入,。他們利用 MUSE 簇來(lái)尋找 Aβ 相關(guān)基因。他們確定了四組具有相似區(qū)域組成（富含丘腦,、下丘腦,、海馬和皮層）但年齡組成不同的 MUSE 集群。總之,，對(duì) MUSE 集群的分析揭示了反映 AD 進(jìn)展的區(qū)域,、時(shí)間和生物學(xué)差異,，并提出了 APP 處理在大腦區(qū)域之間不均勻的假設(shè)。

圖6. MUSE 在多模式 AD 數(shù)據(jù)集上的應(yīng)用,。

細(xì)胞異質(zhì)性的表征對(duì)于了解健康和疾病中組織的組織和功能至關(guān)重要,。研究組織多樣性的兩種廣泛使用且經(jīng)過(guò)充分驗(yàn)證的方法是顯微鏡（捕獲形態(tài)差異）和 scRNA-seq（捕獲轉(zhuǎn)錄差異）。 MUSE 利用包含自我監(jiān)督和自我重建損失的學(xué)習(xí)架構(gòu),，鼓勵(lì)在這些不同模式中觀察到的亞群結(jié)構(gòu)的綜合,。本研究證明，對(duì)于合成數(shù)據(jù)和來(lái)自不同平臺(tái)的各種生物數(shù)據(jù)集合,，MUSE 可以揭示單一模式或其他方法遺漏的新亞群結(jié)構(gòu)和組織,。

教授介紹：

LaniF. Wu，美國(guó)加州大學(xué)舊金山藥學(xué)院教授,，主要從事系統(tǒng)生物學(xué),、細(xì)胞信號(hào)、細(xì)胞極性,、細(xì)胞集體行為,、癌癥生物學(xué)、藥物發(fā)現(xiàn),、計(jì)算機(jī)視覺(jué)和圖像分析等方面的研究,。其實(shí)驗(yàn)室將實(shí)驗(yàn)科學(xué)、工程學(xué)和數(shù)學(xué)的融合,，整合了先進(jìn)技術(shù),、實(shí)驗(yàn)、基于機(jī)器學(xué)習(xí)的分析和數(shù)據(jù)驅(qū)動(dòng)的數(shù)學(xué)建模,，從而試圖了解生物系統(tǒng)的設(shè)計(jì)原理以及生物網(wǎng)絡(luò)在疾病進(jìn)展過(guò)程中如何重新連接,。

參考文獻(xiàn)：

Bao, F., Deng, Y., Wan,S. et al. Integrative spatial analysis of cell morphologies and transcriptionalstates with MUSE. Nat Biotechnol (2022). https:///10.1038/s41587-022-01251-z