Topologia sąsiedztwa komórek kieruje identyfikacją rzadkich populacji komórkowych

Dlaczego małe grupy komórek są istotne

Nasze ciała zbudowane są z ogromnych tłumów komórek, ale niektóre z najważniejszych elementów to rzadkie typy komórek stanowiące znikomy ułamek całości. Te nieliczne komórki mogą napędzać rozprzestrzenianie nowotworów, kształtować choroby mózgu lub koordynować odpowiedzi immunologiczne, a jednocześnie są wyjątkowo trudne do wykrycia we współczesnych mapach pojedynczych komórek i mapach przestrzennych tkanek. W tym badaniu zaprezentowano RareQ — nowe podejście obliczeniowe zaprojektowane do niezawodnego odnajdywania tych ukrytych grup komórek, nawet w ogromnych i złożonych zbiorach danych.

Poszukiwanie wzorców w sąsiedztwach komórek

Tradycyjne metody zwykle grupują komórki, patrząc na to, jakie geny wyrażają, a następnie dzieląc dane na klastry. To dobrze działa dla powszechnych typów komórek, ale często pochłania rzadkie typy, włączając je do większych grup lub traktując jako szum. RareQ wybiera inną drogę. Zamiast skupiać się wyłącznie na poziomach ekspresji genów, analizuje, jak każda komórka osadzona jest w sieci swoich najbliższych sąsiadów. Jeśli komórka i jej bliscy sąsiedzi są bardzo silnie połączeni między sobą, a słabo powiązani z resztą sieci, RareQ oznacza to sąsiedztwo jako wyjątkowe. Pomysł ten oddaje miara Q, która odzwierciedla, jak „klikovate” jest lokalne sąsiedztwo komórki.

Przekształcanie klików w sensowne grupy komórek

Wykorzystując wynik Q, RareQ buduje grupy komórek krok po kroku. Każda komórka zaczyna w swoim własnym malutkim klastrze, potem stopniowo przyjmuje etykietę sąsiada o wyższym Q w swoim małym otoczeniu. Mówiąc prościej, mocno spięte kliki komórkowe pełnią rolę kotwic, które przyciągają pobliskie, podobne komórki. Po tym rozprzestrzenianiu etykiet metoda sprawdza, które powstałe klastry są silnie połączone wewnętrznie i tylko słabo związane z innymi. Klastry o wysokiej średniej wartości Q traktowane są jako kandydaci na rzadkie populacje, podczas gdy słabsze klastry są łączone, tworząc główne typy komórek. Ten proces pozwala RareQ oddzielić zarówno duże, jak i małe społeczności komórkowe bez uprzedniej wiedzy o liczbie występujących typów.

Testowanie RareQ w wielu tkankach

Autorzy ocenili RareQ na setkach symulowanych i rzeczywistych zbiorów danych, obejmujących komórki krwi, komórki wyściełające drogi oddechowe, tkankę mózgową, guzy i mapy przestrzenne. W tych testach RareQ dokładniej wykrywał rzadkie typy komórek niż siedem wiodących metod, często znajdując znacznie więcej rzadkich populacji z wyższą precyzją i czułością. Działał też szybciej i zużywał mniej pamięci, skutecznie analizując zbiory danych ponad miliona komórek tam, gdzie niektóre konkurencyjne narzędzia zawodziły. W danych multimodalnych łączących aktywność genów z dostępnością chromatyny lub białkami powierzchniowymi, RareQ można było stosować osobno dla każdej warstwy lub na zintegrowanych widokach, często ujawniając rzadkie typy komórek niewidoczne dla metod opartych jedynie na jednym typie danych lub na ciężkich modelach głębokiego uczenia.

Ujawnianie ukrytych graczy w zdrowiu i chorobie

Stosując RareQ do konkretnych problemów biologicznych, badanie pokazuje, jak te ukryte grupy komórek mogą zmieniać nasze rozumienie tkanek. W drogach oddechowych RareQ odnalazł znane rzadkie komórki nabłonkowe i odsłonił nowe podzbiory związane z podziałem komórkowym, formowaniem rzęsek i odpowiedziami przeciwwirusowymi. W chłoniaku B i raku nerki wskazał rzadkie grupy komórek odpornościowych i związane z guzem populacje, w tym komórki dendrytyczne o dużej aktywności punktów kontrolnych, które mogą wpływać na odpowiedź na immunoterapię. W próbkach mózgu pacjentów z chorobą Alzheimera RareQ wyróżnił rzadkie stany mikrogleju i astrocytów wzbogacone u pacjentów, z wzorcami genów powiązanymi z zapaleniem, usuwaniem odpadów i obróbką białek amyloidowych. W wysokorozdzielczych danych przestrzennych z mózgu myszy wykrył małe, anatomicznie precyzyjne populacje, takie jak rozróżnialne subregiony neuronów w hipokampie oraz wyspecjalizowane komórki nabłonkowe z rzęskami w splotach naczyniówkowych, które inne metody pomijały lub zlewały razem.

Co to znaczy dla przyszłych map komórek

Dla czytelnika ogólnego kluczowy przekaz jest taki, że RareQ oferuje bardziej czuły i wydajny sposób na odnajdywanie rzadkich typów komórek, które często pełnią role regulatoryczne w chorobach i funkcjach tkanek. Skupiając się na sposobie, w jaki komórki są połączone z sąsiadami, zamiast tylko na surowych poziomach ekspresji genów, RareQ potrafi wyodrębnić małe, lecz spójne grupy komórek z masywnych zbiorów danych. To sprawia, że przyszłe atlasy komórek będą bardziej kompletne i otwiera drogę do badania trudnych do uchwycenia stanów komórek, które mogą stać się celami diagnostyki lub terapii.

Cytowanie: 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

Słowa kluczowe: rzadkie komórki, analiza pojedynczych komórek, transkryptomika przestrzenna, sieci komórkowe, biologia obliczeniowa