Contexto

Las ómicas espaciales miden la expresión génica, proteínas, accesibilidad de cromatina, modificaciones de histonas, metabolitos e información de imagen en coordenadas específicas dentro de los tejidos. Al superponer varias capas moleculares en la misma región, se puede comprender tridimensionalmente la relación entre el estado celular y la estructura tisular, pero las diferencias en la distribución y nivel de ruido de las mediciones hacen que las señales únicas se pierdan fácilmente durante la integración.

Los métodos de integración de células individuales como Seurat, MOFA+ y MultiVI no reflejan adecuadamente las relaciones espaciales de vecindad. El modelo SpatialGlue, diseñado para múltiples ómicas espaciales, solo puede procesar hasta tres capas moleculares y presenta una carga computacional elevada con imágenes de alta resolución o conjuntos de datos con millones de coordenadas. La fuerza para alinear información diversa puede nivelar diferencias biológicas, causando un 'alineamiento excesivo'. Además, no identifica claramente las ubicaciones con resultados inestables.

Hallazgo clave

SCIGMA, desarrollado por investigadores de la Universidad de Brown, es un modelo de aprendizaje profundo no supervisado que combina una red neuronal gráfica de múltiples puntos en el tiempo con aprendizaje contrastivo basado en percepción de incertidumbre. Combina una gráfica espacial que conecta ubicaciones físicamente cercanas y una gráfica de características que conecta ubicaciones con propiedades moleculares similares, y genera representaciones latentes por capa molecular mediante una red neuronal de atención gráfica (GAT). La atención cruzada integra estas representaciones en un espacio común, mientras que un decodificador reconstruye las características originales para minimizar la pérdida de información.

El núcleo es la pérdida contrastiva basada en percepción de incertidumbre, que aprende un parámetro de temperatura por ubicación. Las representaciones comunes y por capa molecular de la misma coordenada se colocan cerca, pero no se mezclan uniformemente las señales exclusivas de cada capa molecular. A las coordenadas con baja alineación se les asigna una alta incertidumbre, lo que permite identificar en el mapa áreas complejas como la heterogeneidad tumoral o la segmentación de células inmunes, o regiones con ruido técnico.

Los investigadores evaluaron el modelo en 19 conjuntos de datos de 8 tipos de datos, 10 tejidos y 9 plataformas, incluyendo expresión génica, proteínas, accesibilidad cromatínica, imágenes de tejido, modificaciones de histonas y metabolitos. En datos comparables como el espacio ATAC–RNA del cerebro de ratón y los datos SPOTS del bazo, SCIGMA mostró una detección espacial, preservación de capas moleculares, reconstrucción de características y repetibilidad de ejecuciones superiores a las de Seurat v5, MOFA+ 1.13.0, MultiVI v1 y SpatialGlue v1. Otros métodos no pudieron procesar algunos conjuntos de datos grandes, requiriendo más de 400 GB de memoria de CPU y más de dos días de ejecución, según reportaron los investigadores.

SCIGMA procesó más de un millón de ubicaciones espaciales, incluyendo datos de 2 micrómetros de resolución de 10x Visium HD, mediante muestreo gráfico. En datos de Spatial-Mux-seq del cerebro de un ratón de cinco meses, integró simultáneamente cinco tipos de información: RNA, proteínas, ATAC, H3K27ac y H3K27me3. Capas moleculares individuales mostraban imágenes borrosas de capas corticales cerebrales, el giro cingulado, el núcleo amigdalino caudal y el núcleo caudado, que se separaron claramente en regiones anatómicas en la representación común. El artículo en Nature Genetics explica que esta estructura es escalable a futuras plataformas que excedan las cinco capas.

Significado y perspectivas

SCIGMA aborda tres problemas clave de la integración de ómicas espaciales—preservación de señales por capa molecular, escalabilidad computacional para grandes conjuntos de datos y representación de la confiabilidad de los resultados—en un solo marco. En particular, la asignación de incertidumbre por coordenada permite no aceptar ciegamente los clústeres generados por el modelo, sino identificar áreas que requieren revisión patológica o experimentos adicionales. El software y el código para reproducir el análisis están disponibles públicamente.

Sin embargo, el valor de incertidumbre es una medida que combina heterogeneidad biológica y variabilidad técnica. No se pueden determinar nuevos estados celulares o límites patológicos solo con valores altos, y se requiere validación con tinción tisular y marcadores independientes. La superioridad en rendimiento también tiene limitaciones, ya que se evaluó en conjuntos de datos con anotaciones correctas o donde los métodos competidores eran ejecutables. La capacidad para manejar diferencias en la disposición de muestras clínicas, capas moleculares faltantes y resoluciones distintas sigue siendo un tema de validación prospectiva.