Надёжная характеристика и интерпретация редких патогенных популяций клеток в пространственных омиках с помощью GARDEN

Почему важно выискивать редкие клетки

Современная биология может измерять, какие гены активны в тысячах небольших точек ткани, создавая для учёных подробную «карту» того, что делают клетки и где они расположены. В этих картах скрываются редкие клетки, которые могут запускать распространение рака, дегенерацию мозга или восстановление тканей, но их легко пропустить, потому что их очень мало и они часто разбросаны. В этой статье представлен GARDEN — новый вычислительный подход, разработанный для надёжного обнаружения и интерпретации этих редких, связанных с болезнью клеток в сложных пространственных картах.

Видеть ткани как живые кварталы

Традиционные методы анализа пространственных карт экспрессии генов склонны сосредотачиваться на самых распространённых типах клеток, сглаживая тонкие локальные различия. GARDEN смотрит иначе: он рассматривает каждую маленькую точку ткани как узел в сетке соседства, где связи отражают физическую близость и общую активность. Используя разновидность глубокого обучения с динамическим перераспределением внимания, GARDEN учится того, каким соседям стоит уделять больше внимания, а каких можно безопасно игнорировать. Такое «динамическое внимание» позволяет методу сохранять небольшие, резкие различия вместо их размытия.

Отделение настоящих биологических изменений от шума

Поскольку реальные ткани шумны, GARDEN должен отличать истинные редкие клеточные паттерны от случайных флуктуаций. Для этого система создаёт искусственные «что‑если» версии ткани, переставляя активность генов при сохранении позиций. Затем она обучается различать подлинные микроокружения и эти подделки, уточняя своё представление о том, как выглядит настоящая локальная структура. Одновременно модель учится восстанавливать исходную активность генов из внутреннего представления, что заставляет её сохранять биологически значимые детали. Это сочетание делает GARDEN особенно хорошим в нахождении небольших очагов необычных клеток.

Воссоздание тканей в 3D

Большинство пространственных наборов данных — это тонкие срезы через более толстый орган. Редкий тип клетки может появляться лишь в нескольких срезах, что облегчает ошибочную интерпретацию или пропуск. GARDEN включает модуль регистрации, который выравнивает множество последовательных срезов в согласованную трёхмерную форму. Сопоставляя паттерны активности генов и пространственную раскладку между срезами, он может реконструировать структуры, такие как слоистые отделы мозга, и затем проследить, как редкие клетки распространяются в глубину. В данных по мозгу мыши, например, GARDEN стабильно выравнивал срезы в реалистичную 3D‑полусферу и выявлял, как редкие типы клеток позиционируются вдоль определённых слоёв и путей.

Открытия в раке и болезни Альцгеймера

Применённый к широкому набору реальных тканей, GARDEN неоднократно обнаруживал мелкие, но важные структуры, которые упускали другие инструменты. В обонятельной луковице мыши и в разных мозгах животных он выявлял крошечные зоны, богатые незрелыми нейронами или специализированные медиальные области, что подтверждалось маркерами генов и известной анатомией. В высокоразрешённых образцах колоректального рака GARDEN разделил инвазивные участки опухоли на отдельные подгруппы, связанные с разными генами, способствующими росту, инвазии или сосудистым изменениям, что указывает на множественные агрессивные поведения внутри того, что внешне выглядело как единая масса. При назофарингеальном карциноме он обнаружил очень небольшие, рассеянные иммунные центры — третичные лимфоидные структуры, и показал, что у некоторых пациентов эти центры находились в высокоактивном, продуцирующем антитела состоянии. В мышиных моделях болезни Альцгеймера GARDEN идентифицировал редкие популяции микроглии и астроцитов, сгруппированные вокруг амилоид‑β бляшек, вместе с программами генов, связанными с воспалением и потерей синапсов.

От активности генов к возможным лечениям

Помимо локализации редких клеток, GARDEN помогает объяснить, чем они отличаются. Исследуя, какие гены наиболее важны для его решений, и группируя эти гены в функциональные модули, метод выделяет иммуно‑сигналы, регуляторные факторы и пути клеточно‑клеточной коммуникации, определяющие каждую редкую нишу. Так, в раке молочной железы GARDEN выявил воспалительные макрофаги рядом с ранней стадией протоковой карциномы in situ и проследил маршруты коммуникации и ген‑пары, связанные с потенциальной метастатической активностью. В пространственных картах хроматина (доступности ДНК) он чётко разделял тонкие слои мозга и отслеживал, как ключевые развёртывающие гены постепенно включаются. В целом GARDEN предлагает мощный способ превращать сложные пространственные омические данные в конкретные биологические истории, указывая исследователям на редкие типы клеток и цепочки взаимодействий, которые могут стать ранними диагностическими маркерами или мишенями для более персонализированных терапий.

Цитирование: Zhang, X., Yu, Z., Hao, G. et al. Robust characterization and interpretation of rare pathogenic cell populations from spatial omics using GARDEN. Nat Commun 17, 1792 (2026). https://doi.org/10.1038/s41467-026-68500-6

Ключевые слова: пространственные омики, редкие популяции клеток, GARDEN, микроокружение рака, болезнь Альцгеймера