首个单细胞数据伪空间重建及空间特异性亚群识别算法scSpace

　　

揭示组织中细胞的组织结构以及这种结构如何影响功能是生命科学研究的基本追求。在一些特定的复杂组织（如大脑区域和肿瘤微环境）中，细胞亚群往往在空间上表现出比转录组层面更多的异质性。这一现象表明了细胞的空间特征在组织分子结构和生物功能解析中起着关键作用，有时甚至成为单个细胞身份的决定因素。尽管单细胞RNA测序（scRNA-seq）技术为细胞类型异质性研究开辟了新的途径，但scRNA-seq的经典方案是将组织消化解离成单细胞悬液，这会导致细胞丢失重要的空间信息。与此同时，最近发展的空间转录组（Spatially resolved transcriptomics）测序技术虽然可以克服scRNA-seq的局限性，但它们无法提供单细胞分辨率的无偏转录组。因此，亟需开发相应的计算方法来整合这两类数据，以同时破译复杂组织内的细胞和空间异质性。然而，目前主流的计算方法普遍侧重提高侧重于提升空间转录组数据的质量，如空间解卷积，空间映射以及基因插补等。如何利用现有的空间转录组数据资源，从空间角度重新分析单细胞转录组数据成为了相关领域的重大技术挑战。

★

2023年4月29日，浙江大学药学院、长三角智慧绿洲创新中心范骁辉教授团队联合阿里巴巴-浙江大学未来数字医疗联合中心（AZDH）张冰博士团队等在国际学术期刊《Nature Communications》上发表了题为“Reconstruction of the cell pseudo-space from single-cell RNA sequencing data with scSpace”的研究论文。该研究通过采用迁移成分分析、多层感知机、空间感知聚类等一系列人工智能算法，开发了一种基于scRNA-seq数据的空间重构及空间特异性细胞亚群识别算法scSpace，为从scRNA-seq数据中揭示细胞的空间异质性提供了有力的工具。

scSpace以scRNA-seq数据和空间转录组数据作为输入，首先重建scRNA-seq数据中细胞与细胞间的空间排列关系，随后在此基础上识别空间特异性的细胞亚群。scSpace的工作流程主要包括三个部分：（1）利用迁移成分分析算法提取跨scRNA-seq和空间转录组数据的共享潜在生物特征表示。（2）对于从空间转录组数据中提取到的共享特征矩阵，scSpace利用多层感知器模型学习特征与空间坐标之间的关系。随后，这一训练完成的模型被用于从scRNA-seq数据中提取到的特征，用于为每个单细胞生成空间坐标，由此生成的空间排列被定义为“伪空间”。（3）scSpace拓展了传统的图聚类Leiden算法的适用性，用于对scRNA-seq数据执行空间感知聚类步骤。具体来说，scSpace整合了细胞的“伪空间”和基因表达谱信息，通过在由基因表达谱构建的基因表达图的每条边上引入空间权重（由细胞-细胞在伪空间中距离的远近关系决定）实现在聚类过程中兼顾细胞的转录组和空间位置相似性，进而识别存在空间特异性的细胞亚群。

▲ scSpace算法原理示意图 ▲

为了展示scSpace在实际运用中的高度灵活性和实用性，研究团队将其应用到一套人黑色素瘤scRNA-seq数据。通过“伪空间”构建和空间感知聚类，scSpace揭示了黑色素瘤scRNA-seq数据中T细胞亚群的空间异质性，并识别出一群在空间上临近恶性细胞、与肿瘤浸润密切相关的C5亚群。相比于远离恶性细胞的C3亚群，C5亚群高表达一系列与黑色素瘤扩散、转移和增殖相关的基因，如TK1、NME1、IGSF8、CDK2和AURKB等。此外，进一步的分析显示，C5亚群具有更高的T细胞耗竭评分，并且其标志基因表达水平较高的患者的生存时间明显低于表达水平较低的患者。这些数据表明C5亚群可能在黑色素瘤的发生发展过程中发挥重要作用，其相关的高表达基因也有望成为临床精准医疗的潜在治疗靶点。

▲ scSpace在人黑色素瘤单细胞转录组数据中的应用 ▲

综上所述，通过引入单细胞“伪空间”的概念，scSpace首次实现了从空间角度对scRNA-seq数据进行分析，有效地恢复了单细胞之间的空间关联，并识别存在空间特异性的细胞亚群。scSpace算法现已开源至GitHub平台（https://github.com/ZJUFanLab/scSpace）。

★

本文第一作者为浙江大学药学院博士生钱竞扬和刘子齐、长三角智慧绿洲创新中心“****”研究员廖杰以及阿里巴巴达摩院迟颖博士。浙江大学药学院教授、长三角智慧绿洲创新中心主任、现代中药创制全国重点实验室副主任范骁辉教授、阿里巴巴集团、阿里巴巴-浙江大学未来数字医疗联合中心（AZDH）张冰博士和浙江大学长三角智慧绿洲创新中心未来健康实验室、现代中药创制全国重点实验室廖杰研究员为本文的共同通讯作者。本课题受到国家自然科学基金、国家中医药多学科交叉创新团队、浙江省自然科学基金等项目的支持。