Nat Methods | COMMOT：用于推断空间细胞通讯的方法
因微信公众号改版，各位老师可将“华大时空”标星🌟，以便及时查看时空组学前沿动态。
来自北卡罗来纳州立大学和加利福尼亚大学的研究人员开发了一种基于集体最优传输推断空间细胞通讯（cell–cell communication，CCC）的方法——COMMOT（COMMunication analysis by Optimal Transport），它解释了不同配体和受体之间的竞争，以及细胞间的空间距离对CCC的影响。研究人员将COMMOT应用于不同空间分辨率和基因覆盖率的数据集中，展示了其在识别空间CCC方面的有效性和稳健性。最后，通过COMMOT阐明了人类表皮发育过程中CCC与皮肤发育之间的关系。该文章发表于2023年1月Nature Methods上，以下是文章的详细解读。
文章题目：Screening Cell–Cell Communication in Spatial Transcriptomics Via Collective Optimal Transport
发表时间：2023-01-23
发表期刊：Nature Methods
主要研究团队：美国北卡罗来纳州立大学、加利福尼亚大学等
影响因子：47.990
DOI：10.1038/s41592-022-01728-4
CCC是受生化信号调节的细胞间相互作用，它通过配体-受体结合诱导下游反应，从而影响发育、结构和功能。单细胞转录组学和计算工具的出现和发展，使从scRNA-seq数据中推断CCC活动成为可能。然而，这些方法大多数依赖于受配体对的表达水平和明确定义的功能，且没有考虑空间信息和复杂的生化过程。少数专门为空间数据设计的方法只关注细胞之间或单个细胞邻域中的信息，忽略了CCC中的集体或全局信息（如细胞竞争）。
最近，最佳传输理论已用于转录组数据分析，包括批次效应校正、发育轨迹重建和scRNA-seq数据的空间注释。为了使最优传输理论适用于CCC推理的应用，来自北卡罗来纳州立大学、加利福尼亚大学的研究人员提出了一种称为集体最优传输的方法来处理CCC过程中复杂的分子相互作用和空间限制，并基于此开发了一种名为COMMOT的计算工具，以用于推断空间转录组学数据中的CCC。该工具基于空间转录组学数据或空间注释的scRNA-seq数据，同时考虑大量配体-受体对来推断CCC，可以总结和比较空间信号的方向，识别CCC对基因表达的下游调节，并为各种分析提供可视化实用工具。
1
COMMOT的工作原理及性能评估
集体最优传输理论具有3个重要特征（图1b）：一是使用非概率质量分布来控制运输方案的边缘以保持不同种类受体或配体之间的可比性；二是对CCC实施空间距离限制，以避免连接空间上相距很远的细胞；三是将多种配体分布结合到多种受体分布，以解释多种受配体间的相互作用（图1c）。
通过性能评估，研究人员发现COMMOT可以准确地重建由偏微分方程（partial differential equation，PDE）模型生成的合成数据中的CCC连接，其结果优于两个相关的最优传输算法（不平衡最优传输和部分最优传输）。研究人员利用其他真实空间转录组学数据集进一步证实了COMMOT实施空间限制和不需要概率分布的特征。
图1 COMMOT的工作原理
2
COMMOT在人类表皮发育中的应用
为了证明COMMOT的实用性，研究人员将新生儿表皮的scRNA-seq数据与从免疫荧光染色图像数字化的空间数据相结合，构建了精细的原位空间转录组图，随后应用COMMOT检查人体皮肤表皮的发育（图2）。
在综合数据集中推断出表皮细胞之间的空间信号传导及在表皮稳态中具有重要作用的特定通路。例如，配体GAS6和PROS1与其受体 TYRO3（GAS6-TYRO3、PROS1-TYRO3）之间的分子相互作用在颗粒细胞中显著存在，在基底细胞中适度存在，同时来自基底上层的定向信号可能正在调节增殖时与基底细胞的通讯。
此外，基于推断的信号活动，研究人员进一步确定了对应于每个信号通路的差异表达基因，并在不进一步考虑空间信息的情况下，模拟它们的表达水平随接收信号的增加而变化，展示了如何从COMMOT推断的信号活动中得出可检验的假设。
图2 CCC在人类皮肤发育中的作用
3
COMMOT的适用性分析
为了证明COMMOT在不同空间分辨率的空间转录组学数据中的分析能力，研究人员首先分析了具有高空间分辨转录组数据中的CCC（图3）。COMMOT识别出小鼠下丘脑视前区所有切片MERFISH数据（在12个前后轴上有161个基因和73,655个细胞）的兴奋性神经元的自我调节，以及兴奋性神经元通过OXT信号对抑制性神经元的调节，并确定了高OXT信号活性的局部区域和OXT信号的空间方向。
接下来，研究人员分析了小鼠胎盘中903个基因和7,203个细胞的STARmap数据，发现中期因子和胰岛素样生长因子信号在相同区域活跃但方向相反，表明存在潜在的反馈回路。此外，研究人员还发现胰岛素样生长因子信号在迷路区域和内皮细胞中活跃，这两者都与预测一致。同时，膜联蛋白和血管生成素信号通路在具有相似方向的相似区域内活跃，表明它们可能具有协同作用。
图3 单细胞分辨率下空间转录组学数据信号方向的推断
为了展示CCC的下游分析（图4），研究人员首先研究了小鼠次级体感皮层的seqFISH+数据（包含在523个单细胞中测量的10,000个基因）。结果显示，神经元细胞通过各种配体-受体对最为活跃，而相对稀有的细胞类型具有不同的CCC活动；对CCC活动进行聚类后，同一组中的细胞预计具有相似的信号活动。进一步联合分析使用3种不同技术（Visium、seqFISH+、STARmap）生成的小鼠皮层数据集，研究人员证实了COMMOT的稳健性。
图4 单细胞分辨率下空间转录组学数据中推断的CCC的下游分析
最后，研究人员应用COMMOT分析多细胞分辨率的空间转录组学Visium数据（图5）。在乳腺癌Visium数据（包含3,798个spots和36,601个基因）中，中期因子信号最为活跃且具有明确的空间信号方向性；COL1A1被鉴定为具有明显空间模式的显著阳性差异表达基因，而S100G是具有独特空间模式的显著阴性差异表达基因。同时，研究人员还分析了小鼠脑组织的Visium数据集（包含3,355个spots和32,285个基因），发现了显著的prosaposin信号活动，prosaposin在神经系统中具有广泛保护作用，且发现小脑皮层的边界存在成纤维细胞生长因子信号通路。
图5 使用Visium空间转录组学数据的CCC推断
4
结论
COMMOT基于集体最优传输，解决了当前无法使用最优运输算法解决的两大重要特征——竞争性边缘分布和受限运输方案，能够同时推断所有配体和受体种类的CCC，可视化各种尺度的空间CCC，包括空间信号方向的矢量场可视化，并同时分析其下游效应。COMMOT可以持续地捕获文献中已知的CCC活动。在人类皮肤中，COMMOT分析表明，较高的WNT信号会增加几个基因的表达，免疫荧光染色证实了这一结果。此外，COMMOT可以与SpatialDM、SpaTalk 、stMLnet、HoloNet和DeepLinc等方法互补，从不同侧重点更全面地剖析空间转录组学数据中的CCC。
开源软件链接
https://github.com/zcang/COMMOT
系列导读
● Nat Commun | Spatial-ID：通过迁移学习和空间嵌入进行空间高分辨转录组数据的细胞注释
● Nat Methods | SODB推动空间组学数据的全面探索
推荐阅读
联系我们
对时空组学或单细胞组学整体解决方案感兴趣的老师，可选择以下方式和我们联系，我们将及时为您进行详细的介绍：
1. 在公众号留言；
2. 发送信息至邮箱：
collaboration@stomics.tech；
3. “阅读原文”查看文章。
让我知道你“在看”