今天来学习一篇空转新发的文章，于2025年3月18号发表在Nat Genet.杂志上，文献标题为《Quantitative characterization of cell niches in spatially resolved omics data》。

空间组学技术能够对组织内协同完成特定功能的细胞群落进行表征。这些细胞群落，或称为细胞微环境或niches，是由邻近细胞之间的相互作用塑造的。然而，现有的计算方法很少利用这种相互作用来识别和表征细胞微环境。为了填补这一空白，作者开发了一种名为“NicheCompass”的图深度学习方法，它通过模拟细胞间的通信来学习可解释的细胞嵌入（embedding），这些嵌入编码了信号事件，从而能够识别细胞微环境及其潜在的生物学过程。与现有方法不同，NicheCompass基于通信通路定量表征细胞微环境，并且在性能上始终优于其他替代方法。

NicheCompass的原理示意图

NicheCompass通过构建空间邻域图来处理细胞级或点级分辨率的空间组学数据，

  • 图1a：NicheCompass以单样本或多样本的空间组学数据作为输入，这些数据包含细胞级或点级的观测值。利用二维坐标，它构建了一个空间邻域图（用二进制邻接矩阵表示），每个细胞或点代表一个节点；
  • 图1b：图神经网络编码器通过联合编码节点及其邻居的特征来生成细胞嵌入，从而捕捉细胞微环境；
  • 图1c：NicheCompass结合了细胞间和细胞内相互作用通路的领域知识来定义空间基因程序，每个嵌入维度被激励去代表特定程序的活性；并且NicheCompass学习空间从头（de novo）程序，捕捉那些在先验知识中缺失的共表达基因；
  • 图1d：GPs（基因程序）来源于数据库或专家，被分为三类，包括邻域成分和自身成分，以反映细胞间和细胞内的相互作用；
  • 图e：解码器在约束嵌入特征以代表特定程序的活性的同时重建空间和分子信息。

方法的应用：空间图谱构建、Niche识别、Niche特征描述、细胞通讯推断、空间映射

NicheCompass的应用

这里放了一个NicheCompass的应用例子之一，阐释胚胎中的组织结构：一个seqFISH小鼠器官发生数据集，该数据集包含三种空间上不同的胚胎组织。对嵌入进行整合和聚类后，根据特征程序、解剖位置和细胞类型组成对聚类进行了 niche labels 的注释。Niches在空间上是连续的，并表现出不同的细胞类型组成模式（图2a、b）。

应用层次聚类，将细胞微环境分组为更高阶的功能性组件（图2d）：

NicheCompass：空间组学中cell niches的定量描述（IF=29.0/Q1）
  • 中枢神经系统（CNS）细胞微环境（包括中脑、前脑、底板、后脑、脊髓）形成了一个聚类。
  • 背侧和腹侧肠细胞微环境构成了另一个聚类，这与解剖结构一致。

接下来分析肠和脑细胞微环境中的程序活性，以研究驱动 niche identity 的相互作用。细胞微环境的特定程序活性：

  • 腹侧肠细胞微环境：Spint1组合相互作用程序活性最高，由Spint1和St14驱动，调节肠上皮屏障的完整性。
  • 背侧肠细胞微环境：Cthrc1组合相互作用程序上调，由Cthrc1和Fzd3驱动，涉及Wnt平面细胞极性通路。
  • 后脑细胞微环境：Fgf3组合相互作用程序上调，由Fgf3和Fgfr1驱动，对神经发育和后脑区域边界的建立至关重要。
  • 底板细胞微环境：Calca组合相互作用程序界定，由Calca驱动，对中脑-后脑连接处的谷氨酸能神经元很重要。
  • 中脑细胞微环境：Fgf17组合相互作用程序活性富集，由Fgf17和Fgfr2驱动，对中脑的模式形成至关重要。
  • 前脑细胞微环境：Dkk1配体-受体程序活性独特，Dkk1促进前脑神经前体细胞的形成。’

通过分析细胞微环境中的程序活性，NicheCompass能够揭示驱动细胞微环境身份的关键基因和通路，为理解细胞微环境的生物学功能提供了重要的线索。

与其他方法的比较：

NicheCompass 准确地识别多样化数据中的生态位：比较方法分别为 NicheCompass, CellCharter, BANKSY, GraphST and STACI。与BANKSY、GraphST和CellCharter相比，NicheCompass独特地识别出空间上连续的细胞微环境，并在空间一致性和细胞微环境一致性指标上优于所有方法（图3c、d)。

数据下载

这个文献提供了全部使用的数据：

  • 处理后的AnnData 对象：https://github.com/Lotfollahi-lab/nichecompass-reproducibility
  • The seqFISH mouse organogenesis 数据集：https://marionilab.cruk./SpatialMouseAtlas.
  • The SlideSeqV2 数据集：squidpy模块的函数squidpy.datasets.slideseqv2()下载
  • The MERFISH mouse liver 数据集：https://info./mouse-liver-access (animal 1, replicate 1).
  • The NanoString CosMx NSCLC 数据集：https:///products/cosmx-spatial-molecular-imager/ffpe-dataset/nsclc-ffpe-dataset.
  • The Xenium human breast cancer 数据集：https://www./products/xenium-in-situ/preview-dataset-human-breast.
  • The STARmap PLUS mouse CNS 数据集：https:///records/8327576.
  • The MERFISH whole mouse brain 数据集：https://cellxgene./collections/0cca8620-8dee-45d0-aef5-23f032a5cf09.
  • The spatial ATAC–RNA-seq mouse brain 数据集：
    • GSE205055 和 https://brain-spatial-omics.cells./ (peak counts and cell type labels).
  • the stereo-seq mouse embryo 数据集：http://sdmbench. (Data ID 13).

代码分享

NicheCompass：

  • https:///10.5281/zenodo.14621258
  • https://github.com/Lotfollahi-lab/nichecompass.

文章内容可重复代码以及不同方法比较：

  • https:///10.5281/zenodo.14632687
  • https://github.com/Lotfollahi-lab/nichecompass-reproducibility.
  • Documentation is provided at https://nichecompass..

比如其中一个案例，作者提供了详细的每个步骤：

今天分享到这~