Классификация 34 вычислительных методов для обнаружения пространственно вариабельных генов в данных пространственно разрешённой транскриптомики

Почему местоположение важно для наших генов

Наши тела состоят из клеток, которые отличаются не только по функциям, но и по тому, где они расположены в тканях и органах. Новые технологии «пространственной транскриптомики» теперь позволяют считать, какие гены активны, сохраняя при этом адрес каждой клетки на карте ткани. В этом обзорном статье объясняется, как учёные выявляют гены, активность которых меняется от места к месту — так называемые пространственно вариабельные гены — и почему согласие в способах их поиска важно для понимания рака, работы мозга и многих других заболеваний.

От разбросанных клеток к живым картам

Традиционные исследования на уровне отдельных клеток измеряют активность генов в тысячах отдельных клеток, но теряют информацию о том, откуда эти клетки происходят. Пространственная транскриптомика заполняет этот пробел, измеряя активность генов прямо на тонких срезах ткани. Каждое измерение привязано к «точке» на срезе, которая в зависимости от технологии может содержать одну клетку или несколько. Методы на основе микроскопии с высокой пространственной детализацией фиксируют несколько сотен выбранных генов, тогда как платформы на основе секвенирования захватывают почти все гены, но с меньшим разрешением. Вместе эти подходы превращают срез ткани в красочную карту активности генов, которая может выявлять скрытые структуры, такие как слои в мозге или области внутри опухоли.

Три типа генов, чувствительных к местоположению

Было предложено множество вычислительных методов для выделения генов, показывающих осмысленные шаблоны на таких картах тканей, но они не всегда ищут одно и то же. Авторы сортируют 34 современных метода на три ясные категории. Первая группа ищет «общие» пространственно вариабельные гены, чья активность меняется по ткани любым ненулевым способом — образуя, например, полосы, кластеры или градиенты. Вторая группа фокусируется на «специфичных для типа клетки» пространственных генах, которые варьируют внутри одного типа клеток и помогают, например, отличать подтипы нейронов или разные состояния иммунных клеток. Третья группа ищет «маркерные для домена» гены, которые сильно активны в определённых областях или слоях и потому служат удобными метками для этих зон ткани.

Разные инструменты для разных шаблонов

Обзор объясняет, как эти методы работают изнутри. Некоторые рассматривают срез ткани как точки в обычном двумерном пространстве и используют математические «ядра» для поиска шаблонов, таких как пятна или волны. Другие сначала связывают соседние локации в сети, или граф, а затем проверяют, склонна ли высокая экспрессия сгущаться вдоль связей этого графа. Некоторые инструменты опираются на формальные статистические тесты с чётко определёнными уровнями ошибок, тогда как другие в основном ранжируют гены по тому, насколько заметен их шаблон. Методы, нацеленные на очень специфичные шаблоны, могут быть мощными, когда данные соответствуют их ожиданиям, но они могут пропускать более нерегулярные или сложные формы, как часто наблюдается при многих видах рака. Существует также компромисс между гибкостью и скоростью: одни подходы масштабируются до сотен тысяч точек, тогда как другие испытывают трудности с очень большими наборами данных.

Что могут раскрыть эти гены

После того как пространственно вариабельные гены идентифицированы, они становятся исходным материалом для более глубоких биологических открытий. Общие пространственные гены часто используются как первый фильтр для сокращения числа генов перед группировкой точек в «пространственные домены» — области, клетки которых имеют похожие профили экспрессии. Эти домены могут соответствовать известным структурам ткани, указывать на новые подрегионы или выделять особые клеточные окрестности, например инвазивные фронты в опухолях. Маркерные для домена гены затем помогают объяснить, что делает каждую область уникальной, и их можно использовать для маркировки похожих структур в других образцах. Тем временем пространственные гены, специфичные для типа клетки, обещают более детализированное представление о том, как конкретные типы клеток меняются по ткани, что может прояснить взаимодействия опухоль — иммунная система или специализированные цепи в мозге.

Вызовы и путь вперёд

Авторы подчёркивают, что не существует единственного метода, который был бы лучшим для всех задач, и что справедливое сравнение инструментов требует тщательного продумывания того, какой тип пространственного гена каждый метод действительно призван находить. Они призывают к лучшим бенчмаркам с использованием реалистичных наборов данных, к ясным статистическим стандартам, чтобы избежать ложных открытий, и к новым подходам, учитывающим различия между технологиями и типами тканей. Для непосвящённых ключевой посыл таков: пространственно вариабельные гены превращают плоские списки генов в живые карты, связывая молекулярную активность с структурой ткани. Надёжные способы обнаружения и интерпретации этих генов будут центральными для превращения пространственной транскриптомики в практические выводы о развитии, работе мозга и заболеваниях.

Цитирование: Yan, G., Hua, S.H. & Li, J.J. Categorization of 34 computational methods to detect spatially variable genes from spatially resolved transcriptomics data. Nat Commun 16, 1141 (2025). https://doi.org/10.1038/s41467-025-56080-w

Ключевые слова: пространственная транскриптомика, пространственно вариабельные гены, шаблоны экспрессии генов, микроокружения тканей, вычислительная геномика