近年来，空间技术的发展彻底改变了人们研究免疫微环境的方式，特别是在癌症方面。目前，空间蛋白质组学技术可以生成数十万个细胞的位置坐标、蛋白质表达强度和形态特征组成的多维数据集，揭示与预后和免疫检查点抑制剂反应相关的免疫细胞空间模式，已成为帮助人们探究肿瘤免疫生物学复杂性的重要工具。
相较空间技术的进步，当前空间分析方法的发展却存在滞后性。大多数方法开发工作都集中在通过细胞分割和细胞表型从原始显微镜图像中提取信息，很少有下游的方法来量化所得的空间数据，因而无法捕获空间模式的多样性以及解决复杂的生物学问题。此外，用于组织空间数据分析的计算工具通常是为特定平台定制，而非为从组织生成的数据开发，适用性较低。缺乏空间数据模拟器也阻碍了空间分析方法开发和算法基准测试。
近日，澳大利亚彼得麦卡勒姆癌症中心的研究团队在Nature Communications发表了题为“Spatial analysis with SPIAT and spaSim to characterize and simulate tissue microenvironments”的文章，报道了其开发的空间分析工具SPIAT和spaSim。SPIAT是一个与平台无关、用户友好型分析工具包，用于表征多重组织图像的空间模式；spaSim是一个新型的组织细胞空间模式模拟器，用于空间指标的基准测试。通过对多种不同癌症病例的分析，研究团队展示了SPIAT识别临床相关已知和新型免疫细胞亚型的能力。SPIAT和spaSim是量化空间模式、识别和验证临床结果相关性以及支持方法开发的有效工具，可帮助推动空间指标在基础、转化和临床研究中的应用。
文章发表在Nature Communications
SPIAT是一个基于R语言的空间分析工具包，可兼容来自不同空间技术的数据，生成细胞坐标、细胞表型或标记强度表。SPIAT可从单个图像中得出特定空间特征的度量。
SPIAT具备6个分析模块和40多个功能，包含可视化、基于距离的分析、共定位度量、细胞-细胞关系分类以及用于识别细胞邻域的多种算法，这些算法优化了SPIAT分析速度，使其能够在30分钟内在本地计算机上分析至少100万个细胞。SPIAT还可以量化单个组织切片内组织微环境的异质性。SPIAT使人们能够超越基于细胞对相互作用的主要空间模式，捕获组织切片中特定模式的空间分布，显著增强了人们对组织微环境进行综合空间分析的能力。
图1. SPIAT工作原理流程图。来源：Nature Communications
spaSim是首个在R语言中实现的组织空间数据模拟器，其目的是在标准环境中检测空间度量，以了解在不同参数设置下生成的不同数据模式。spaSim以逐步方式构建模拟图像，首先通过肿瘤组织或正常组织的均匀间隔模型来模拟细胞背景，然后使用随机数采样和几何形状分配细胞类型。模拟图像概括了组织切片的主要空间特征，包括背景细胞的总体分布、组织区域等。
与基于点模式的模拟器相比，spaSim允许更具代表性的模拟，可以在提取细胞总数、细胞类型比例、簇的数量、大小和位置等基本特征后的图像，模拟再现真实组织图像的空间特性。此外，为简化基准测试，spaSim允许模拟随用户指定的任何参数变化的图像。
图2. 组织空间数据的spaSim模拟器。来源：Nature Communications
SPIAT包含多个共定位、邻域和空间异质性指标以表征细胞的空间模式。其中，共定位指标包括平均成对距离（APD）、细胞间平均最小距离（AMD）、邻近细胞（CIN）、细胞混合分数（MS）等。研究团队使用spaSim评估了这些指标捕获肿瘤微环境临床相关模式的能力（图3），发现上述指标可以检测免疫细胞浸润的水平，但不能检测肿瘤-基质免疫距离。以上研究结果表明，度量的选择应该由所要捕捉的潜在空间模式来指导，可能需要一个互补指标的组合来捕获和量化不同的空间模式。
图3. 细胞共定位指标。来源：Nature Communications
研究团队定义了“熵梯度”的新概念，作为定义细胞类型的吸引力和排斥力的独立指标。利用三阴性乳腺癌样本验证了熵梯度的效用，研究发现免疫细胞类型的吸引和排斥样本之间存在较大区别。利用熵梯度，该研究还发现巨噬细胞、细胞毒性和辅助T细胞与肿瘤细胞的吸引力和患者更长的生存时间相关。综上，熵梯度可作为一种基于空间模式对样本进行分类的独立方法，并与乳腺癌患者预后相关。
图4. 组织分类的熵梯度。来源：Nature Communications
SPIAT可以自动检测组织结构和边缘，无需手动注释区域或训练分类器，能够提高可重复性并减少分析时间。进一步，SPIAT可将细胞群分类为基质细胞、浸润细胞或在其内部或外部边缘形成环状细胞，计算每个区域内细胞类型的比例及其到边缘的距离。此外，SPIAT配置三种检测细胞邻域的算法，可识别聚集和分散的细胞，并具备平均最近邻指数，以确定是否存在邻域。
研究团队分析了35个晚期结肠癌组织样本，其中17名克罗恩样反应（CLR）患者，其特征是存在三级淋巴结构（TLS），18名弥漫性炎症浸润（DII）患者，共140张图像。研究鉴定出28张具有显著B细胞聚集的图像，其与TLS的形成一致，展示了SPIAT在深入分析细胞邻域，区分细胞亚型在邻域和疾病进展期间分布方面的能力。
图5. 用SPIAT鉴定细胞邻域。来源：Nature Communications
综上所述，该研究报道了一个用于组织空间分析的工具包SPIAT、以及第一个组织空间数据模拟器spaSim。凭借六个分析模块，SPIAT在单个工具中包含了用于综合空间分析的常用和新颖算法，允许用户快速执行全面的空间分析，无需深厚的计算或编程能力；spaSim首次实现了对空间指标的基准测试、比较和验证。此外，SPIAT和spaSim不是组织特异性的，研究团队预期它们的适用性包括研究和模拟实体瘤、正常组织或受其他疾病影响的组织，以及来自其它物种的组织样本。因此，SPIAT和spaSim是分析组织微环境空间模式的强大工具，可识别和定量与疾病发展和临床结果相关的空间模式，并模拟组织空间数据以帮助相关方法的开发。
参考资料：
Feng, Y., Yang, T., Zhu, J. et al. Spatial analysis with SPIAT and spaSim to characterize and simulate tissue microenvironments. Nat Commun 14, 2697 (2023).
https://www.nature.com/articles/s41467-023-37822-0
本文由 SEQ.CN 作者：白云 发表，转载请注明来源！
