La topología del vecindario celular dirige la identificación de poblaciones celulares raras

Por qué importan los pequeños grupos celulares

Nuestros cuerpos están construidos a partir de multitudes de células, pero algunos de los actores más importantes son tipos celulares raros que representan solo una fracción mínima del conjunto. Estas células escasas pueden impulsar la diseminación del cáncer, modelar enfermedades cerebrales o coordinar respuestas inmunitarias, y, sin embargo, son notoriamente difíciles de detectar en los mapas celulares modernos de una sola célula y espaciales. Este estudio presenta RareQ, un nuevo enfoque computacional diseñado para encontrar de forma fiable estos grupos celulares ocultos, incluso en conjuntos de datos enormes y complejos.

Buscar patrones en los vecindarios celulares

Los métodos tradicionales suelen agrupar las células observando qué genes expresan y luego dividiendo los datos en clústeres. Esto funciona bien para los tipos celulares comunes pero con frecuencia absorbe a los raros dentro de grupos mayores o los trata como ruido. RareQ toma una ruta distinta. En lugar de centrarse únicamente en los niveles génicos, examina cómo cada célula se sitúa dentro de una red de sus vecinos más cercanos. Si una célula y sus vecinos próximos están muy fuertemente conectados entre sí pero solo débilmente vinculados al resto de la red, RareQ marca ese vecindario como especial. Esta idea se captura en una medida llamada Q, que refleja cuán “cliquioso” es el vecindario local de una célula.

Convertir cliques en grupos celulares significativos

Usando la puntuación Q, RareQ construye grupos celulares paso a paso. Cada célula comienza en su propio clúster diminuto y luego adopta gradualmente la etiqueta del vecino con mayor Q en su vecindario inmediato. En términos sencillos, las cliques muy unidas actúan como anclas que atraen a las células similares cercanas. Tras esta propagación de etiquetas, el método comprueba qué clústeres resultantes están fuertemente conectados internamente y solo débilmente ligados a los demás. Los clústeres con alto Q medio se tratan como poblaciones raras candidatas, mientras que los clústeres más débiles se fusionan para formar los tipos celulares mayoritarios. Este proceso permite a RareQ separar comunidades celulares grandes y pequeñas sin necesitar un conocimiento previo del número de tipos presentes.

Probar RareQ en muchos tejidos

Los autores evaluaron RareQ en cientos de conjuntos de datos simulados y reales, incluidos células sanguíneas, células del revestimiento de las vías respiratorias, tejido cerebral, tumores y mapas espaciales. En estas pruebas, RareQ detectó tipos celulares raros con mayor precisión que siete métodos punteros, encontrando con frecuencia muchas más poblaciones raras con mayor precisión y recuperación. También se ejecutó más rápido y consumió menos memoria, analizando con éxito conjuntos de datos de más de un millón de células donde algunas herramientas competidoras fallaron. En datos multimodales que combinan actividad génica con accesibilidad de cromatina o proteínas de superficie, RareQ pudo aplicarse a cada capa por separado o a vistas integradas, revelando a menudo tipos celulares raros que eran invisibles para métodos basados en un único tipo de dato o en modelos profundos complejos.

Revelando actores ocultos en la salud y la enfermedad

Aplicando RareQ a problemas biológicos concretos, el estudio muestra cómo estos grupos celulares ocultos pueden transformar nuestra comprensión de los tejidos. En las vías respiratorias, RareQ recuperó células epiteliales raras conocidas y descubrió nuevos subgrupos relacionados con la división celular, la formación de cilios y respuestas antivirales. En linfoma de células B y cáncer renal, identificó grupos raros de células inmunes y asociadas al tumor, incluidas células dendríticas con alta actividad de puntos de control que podrían influir en la respuesta a la inmunoterapia. En muestras cerebrales de pacientes con Alzheimer, RareQ destacó estados raros de microglia y astrocitos enriquecidos en pacientes, con patrones génicos ligados a la inflamación, la limpieza de desechos y el manejo de proteínas amiloides. En conjuntos de datos espaciales de alta resolución del cerebro de ratón, detectó poblaciones pequeñas y anatómicamente precisas, como subregiones neuronales distintas en el hipocampo y células epiteliales ciliadas especializadas en el plexo coroideo, que otros métodos habían pasado por alto o difuminado.

Qué supone esto para futuros mapas celulares

Para un lector no especializado, el mensaje clave es que RareQ ofrece una manera más sensible y eficiente de encontrar los tipos celulares raros que con frecuencia actúan como ruedas de mando de la enfermedad y la función tisular. Al centrarse en cómo las células están conectadas a sus vecinas en lugar de solo en los niveles génicos brutos, RareQ puede extraer pequeños pero coherentes grupos celulares de colecciones de datos masivas. Esto hace que los futuros atlas celulares sean más completos y abre la puerta al estudio de estados celulares esquivos que podrían convertirse en objetivos para el diagnóstico o la terapia.

Cita: Fa, B., Huang, C., Ma, Y. et al. Cell neighborhood topology directs rare cell population identification. Nat Commun 17, 4618 (2026). https://doi.org/10.1038/s41467-026-71180-x

Palabras clave: células raras, análisis unicelular, transcriptómica espacial, redes celulares, biología computacional