Nature Methods：仅使用几片切片的数据来识别肿瘤

　　

想象一下盘子里有几片粗略切好的面包。就凭这些切片，你能详细描绘出它们来自哪个面包吗?

现在，想象一下从一个小肿瘤上取下的几片薄组织。你已经测试了在每个切片的长度和宽度的每个点上，哪些基因是活跃的。有了几个切片的二维数据，你能预测哪些基因在整个肿瘤的三维结构中是活跃的吗?不容易，对吧?

仅使用几片切片的数据来识别肿瘤或其他组织的三维构成是一个严峻的计算挑战。但格莱斯顿研究所开发的一种新方法使研究人员能够做到这一点。这种方法发表在《自然方法》杂志上，可以让我们对生物组织样本有更深入的了解。

格拉德斯通高级研究员 Barbara Engelhardt博士说“如果没有第三维度，你可能会错过组织中发生的很多事情，将三维空间的切片放在一起应该有助于我们开始回答2D数据不足的问题。例如，肿瘤的精确边界是什么?免疫细胞浸润肿瘤的部位?在肿瘤的哪个部位注射治疗效果最好?”

这种名为Gaussian Process Spatial Alignment(GPSA)的新方法不仅适用于肿瘤。它几乎可以应用于任何类型的组织和从组织切片中获得的任何类型的数据，例如细胞结构或细胞内的基因或蛋白质被激活，这对研究和医学具有广泛的意义。

填空

了解生物组织最广泛使用的方法之一——无论是来自病人还是实验室的动物——是通过手术切除一些受影响的组织并对其进行分析。在世界各地的实验室里，技术人员可能会将切除的组织切成薄片，在显微镜下观察，或者测试是否存在有助于诊断、指导治疗或提示药物效果的特定分子。

然而，分析每个切片所需的时间、预算和计算能力意味着研究人员和医生通常只能从组织的不同部位提取几片切片。更重要的是，当组织切片在实验室中被切割、处理和分析时，它们会变得物理扭曲，这使得很难准确地辨别切片是如何在原始组织的整体3D结构中排列和组合在一起的。

Engelhardt说:“从二维切片数据到完整的组织三维图像的第一步是通过计算逆转扭曲，这样我们就可以在虚拟空间中重新排列切片。”

为了应对这一挑战，GPSA方法使用了Engelhardt和她的团队称之为双层高斯过程的方法。这种统计方法利用来自二维组织切片的数据，在第一层，将扭曲的二维切片拟合到组织的三维模型上。在第二层，GPSA将从切片中收集的一些数据赋予3D模型中的每个点，例如在该点上打开了哪些基因。通过这种方式，GPSA实际上可以逆转扭曲，并使切片能够高度精确地对齐。

在这个过程中，GPSA模型用组织中每个点的基因或蛋白质表达预测填充切片之间的空间，最终生成组织的3D“图谱”。

Engelhardt说:“假设你有一个人乳腺癌肿瘤的四个不同位置的切片，对于每个切片上的每个点，你知道20,000个基因中哪个是开启或关闭的。GPSA创建了一个完全可查询的3D图谱，其中，对于任何一个' x, y, z '坐标，对于20,000个基因中的任何一个，我们都可以深入研究并询问:在肿瘤的这个位置上，哪些基因是开启和关闭的?”我们对这个估计有多确定?”

高度灵活的框架

有了GPSA，研究人员可以用不同的技术、不同的尺度和分辨率从不一致的切片中获得的数据来构建组织地图集。虽然之前的方法需要预先指定3D支架或“坐标框架”，但GPSA在组织坐标框架尚不存在时仅从2D切片估计该3D框架。这种新方法还可以将多种类型的组织切片数据——比如，哪些基因被激活的信息和细胞结构的信息——合并到一个图谱中。

此外，当应用于同一组织在不同时间点上的切片时，GPSA可以生成地图集，预测组织内的每个位置如何随时间变化。通过这种方式，这项技术可以帮助加深对衰老的理解，疾病是如何发展的，或者不同的组织是如何在生长的有机体中发育的。

“灵活性是我们新工具的主要优势之一，”Engelhardt说。

她和她的团队现在正在进行分析，进一步证明这种灵活性。例如，他们已经开发出一种方法，可以在预算有限的实验室中使用，以确定所需组织切片的最小数量，以及这些切片应该切割的精确位置，以便GPSA构建具有所需信息的组织图谱。

Engelhardt说:“我们的目标是最大限度地提高我们从组织切片中获得的洞察力，以便让研究人员和临床医生深入查询经过充分研究的3D组织或患者特有的肿瘤，并最终改善医疗保健。”

文章标题

Gaussian Process Spatial Alignment