stGRL:基于多任务图对比表示学习的空间转录组数据空间域识别、去噪与插补算法

stGRL: spatial domain identification, denoising, and imputation algorithm for spatial transcriptome data based on multi-task graph contrastive representation learning.

作者信息Xin Lu, Murong Zhou, Bo Gao, Fang Wang, Shuilin Jin, Qiaoming Liu, Guohua Wang
PMID40597202
期刊BMC Biol
发布时间2025-07-01
DOI10.1186/s12915-025-02290-z

实验完整度

中

在7个空间转录组数据集(含人DLPFC、BRCA、卵巢癌等)上与9种主流方法进行基准比较,包含消融实验和参数分析,但未涉及独立生物学验证实验。

主要模型

人DLPFC数据集(10X Visium) 人乳腺癌(BRCA)数据集(10X Visium) 小鼠嗅球数据集(Stereo-seq) 卵巢癌数据集(10X Genomics)

重点核对

DLPFC数据集12个切片,8个切片分7个区域、4个切片分5个区域,以NMI、ARI、AMI为指标与9种方法比较 消融实验:分别移除ZINB重建模块、图对比表示学习模块及两者,评估对聚类指标的贡献 超参数搜索:高变基因数[2000-6000]、邻居数[3-7]、GCN节点数[32-512],共125种配置 去噪任务:对DLPFC数据施加0.1-0.9丢失率掩码,重复10次,以MSE评价插补能力 损失函数权重:α固定为10,β和γ在[0.1-1.0]范围搜索,最优为0.5和0.5

摘要

背景:空间转录组学现在能够在保留细胞空间位置的同时进行测序,显著增强了研究人员在空间背景下对细胞和组织功能的理解。然而,由于当前技术限制,空间转录组数据通常表现出高丢失率和噪声,给下游分析如spot聚类、差异基因分析和空间域识别带来挑战。为解决这些挑战,我们提出了stGRL,一种专为空间转录组学设计的新型深度多任务图神经网络模型。stGRL采用带有零膨胀负二项(ZINB)分布的编码器-解码器架构来重建输入数据,同时有效处理丢失事件。此外,它整合了图对比表示学习以增强节点嵌入的一致性,从而提高聚类性能。结果:通过对多种空间转录组数据集的基准实验,stGRL在识别空间特征方面表现出优于当前主流方法的能力。深入分析表明,stGRL生成的去噪数据不仅保留了组织的空间层级,还能准确识别差异表达基因。应用于乳腺癌数据集时,stGRL有效分析了癌区与原位癌区域之间的差异,发现原位癌区域主要受免疫系统调控,通过炎症反应限制癌细胞发展。此外,在卵巢癌的空间转录组分析中,stGRL成功注释了细胞类型,准确识别了B细胞富集区域,并发现了一个具有潜在治疗价值的新靶基因MZB1。结论:stGRL是一种整合空间转录组分析中多个任务的有效方法。我们的研究强调了其在分析空间转录组数据中的广泛适用性和出色性能。该方法为揭示复杂组织的空间异质性和识别疾病的潜在治疗靶点提供了强大的分析工具。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
如何整合基因表达谱与空间位置信息,同时实现空间转录组数据的空间域识别、去噪和数据插补三个任务。
核心机制
stGRL通过GCN编码器提取空间嵌入,结合图对比表示学习增强节点嵌入一致性,并采用ZINB分布解码器重建基因表达矩阵,直接利用重建矩阵进行下游聚类。
主要证据
在DLPFC、BRCA、小鼠前脑、小鼠嗅球、小鼠胚胎、卵巢癌等多个数据集上,stGRL在NMI、ARI、AMI指标上优于GraphST、SEDR、STAGATE等9种方法;去噪后标记基因空间表达模式更清晰;在BRCA中揭示IDC与DCIS/LCIS差异,在卵巢癌中识别B细胞富集区并发现MZB1。
研究意义
stGRL为空间转录组数据分析提供了同时处理空间域识别、去噪和插补的多任务框架,有助于揭示复杂组织的空间异质性并识别疾病潜在治疗靶点。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

数据预处理与图构建

为模型提供高质量输入并捕捉空间邻接关系。

使用Scanpy的seurat_v3方法选择高变基因,对表达矩阵进行归一化、log转换和缩放;基于空间坐标计算欧氏距离,选取K近邻构建空间邻接图。

2

数据增强

提高模型对特征分布变化的鲁棒性,防止过拟合。

通过随机打乱原始特征矩阵的行生成增强视图,保留图拓扑结构。

3

GCN编码器学习嵌入

整合基因表达与空间信息,生成低维嵌入表示。

使用单层GCN编码器,输入空间邻接矩阵和基因表达矩阵,输出低维嵌入。

4

图对比表示学习

增强节点嵌入在上下文中的一致性,提升区分能力。

将原始图和增强图输入共享参数的GCN编码器,通过投影MLP生成两个视图,采用对比损失拉近正样本对、推远负样本对。

5

ZINB解码器重建表达矩阵

重建去噪和插补后的基因表达矩阵,处理数据稀疏性和过离散。

使用对称GCN解码器重建表达矩阵,并通过三个独立MLP计算ZINB分布的均值、离散度和丢失率参数。

6

联合优化与聚类

平衡重建、分布适配和对比学习目标,实现空间域识别。

联合优化重建损失、ZINB损失和对比损失,训练后对重建矩阵进行PCA降维,使用Mclust算法聚类。

7

下游分析与验证

评估模型在空间域识别、去噪、插补及生物学发现中的性能。

在多个数据集上比较聚类指标,模拟丢失率评估去噪和插补,进行差异表达分析、功能富集、基因集评分和生存分析。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
Scanpy----
Metascape----
GEPIA2----
Squidpy----
Seurat----
Tesla A100 GPU----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
数据预处理
高变基因选择方法:seurat_v3;高变基因数量:10X Visium数据4000,Stereo-seq数据3000;归一化、log转换和缩放步骤
阅读提示:Methods-Data preprocessing
空间邻接图构建
邻居数K=3;基于空间坐标的欧氏距离;KNN选择
阅读提示:Methods-Construction of the spatial adjacency matrix
模型架构与训练
编码器为单层GCN,嵌入维度256或64;解码器对称;投影头为两层MLP;损失权重α=10、β=0.5、γ=0.5;Adam优化器,学习率0.001,权重衰减0,迭代500次
阅读提示:Methods-Implementation details
聚类与下游分析
对重建矩阵进行PCA降维后使用Mclust聚类;差异表达分析使用t检验,阈值p<0.05且|log2FC|>2;生存分析使用GEPIA2和中位数分组
阅读提示:Methods-Clustering via joint embedding optimization、Differential gene expression analysis、Survival analysis
去噪与插补评估
使用Bernoulli分布掩码模拟丢失,丢失率0.1-0.9,重复10次;以MSE评价插补能力
阅读提示:Results-stGRL identifies spatial domains on lower-quality datasets with higher noise levels、stGRL enhances spatial transcriptomics by reducing noise and preserving fine gene expression patterns