近日，上海交通大學公共衛(wèi)生學院、上海交通大學醫(yī)學院單細胞組學與疾病研究中心鄭小琪課題組在基因組學領域頂級期刊Genome Biology雜志發(fā)表了題為GraphPCA: a fast and interpretable dimension reduction algorithm for spatial transcriptomics data的方法論文章。該研究開發(fā)了一個快速、可解釋性的擬線性降維算法——GraphPCA。基于模擬實驗及真實數(shù)據(jù)的評估結果表明，GraphPCA有效提升了包含空間域檢測、降噪以及軌跡推斷等多項下游分析任務的性能。這項研究為空間轉錄組數(shù)據(jù)的分析提供了一個強有力的新工具，有助于更深入地理解細胞在組織中的復雜相互作用和功能。
近年來，空間轉錄組(Spatial transcriptomics, ST) 技術的快速發(fā)展使得研究人員在獲取基因表達譜的同時保留了細胞在組織中的空間位置信息，從而能夠揭示組織內細胞在空間結構上的異質性。然而，空間轉錄組數(shù)據(jù)具有高稀疏性、高維性和低信噪比等特點，為后續(xù)數(shù)據(jù)分析帶來了巨大挑戰(zhàn)。作為下游分析前必要的預處理步驟，降維不僅可以提高信噪比，還能有效緩解維數(shù)災難。目前，大多數(shù)研究人員直接將針對單細胞轉錄組數(shù)據(jù)的降維算法應用到空間轉錄組數(shù)據(jù)（如Seurat、Scanpy、STUtility等）。然而，這些方法未能充分利用ST數(shù)據(jù)中的空間信息，可能導致低維嵌入的效率降低，甚至錯誤的生物學發(fā)現(xiàn)。雖然近期已有一些專門針對ST數(shù)據(jù)的降維算法（如SpatialPCA、DR-SC等），但這些方法或依賴復雜的參數(shù)推斷，或缺乏模型可解釋性。為了克服這些缺陷，本研究基于圖正則化表示以及主成分分析法，開發(fā)了一種快速、可解釋的擬線性降維算法——GraphPCA，該算法可以有效處理空間轉錄組數(shù)據(jù)，并提高了低維嵌入的生物學解釋能力。
GraphPCA建立在靈活的主成分分析框架上，它通過利用位點/細胞之間的空間鄰域結構作為圖約束，使得低維嵌入能夠有效地保留位置信息。GraphPCA的輸入包括基因表達矩陣和位點的空間坐標，這些信息被用于構建位點/細胞間的空間鄰域圖（默認為k近鄰圖）。與經(jīng)典的主成分分析方法不同，GraphPCA通過求解一個受空間鄰域圖約束的優(yōu)化問題來推斷整合了空間位置和基因表達信息的低維嵌入矩陣。由于該優(yōu)化問題存在封閉解，GraphPCA的計算效率遠高于基于深度學習的方法，從而可以高效地處理不同規(guī)模的ST數(shù)據(jù)。通過圖約束，GraphPCA可以使相鄰位點/細胞在低維空間中的投影更加接近，并且每個嵌入維度都與特定的空間基因表達模式高度相關，這使得基因-成分的投影矩陣能夠反映共表達基因模塊的空間表達差異性。
作者隨后在大量模擬數(shù)據(jù)和不同物種、組織區(qū)域、測序技術的真實數(shù)據(jù)上進行了廣泛的評估，驗證了GraphPCA得到的低維嵌入在空間域檢測、軌跡推斷和去噪等下游分析任務中的性能。此外，GraphPCA模型的靈活性使其能夠輕松擴展到多樣本整合，通過融合其它切片的基因表達信息進一步提高空間域檢測的準確性。
上海交通大學公共衛(wèi)生學院、上海交通大學醫(yī)學院單細胞組學與疾病研究中心的鄭小琪教授為該論文的通訊作者，中心科研助理楊紀元為該論文的第一作者，上海交通大學自然科學研究院的劉林副教授為課題的開展提供了大力支持。該研究得到國家自然科學基金、上海市科技創(chuàng)新行動計劃自然科學基金及數(shù)據(jù)科學與智慧教育教育部重點實驗室的經(jīng)費支持。
