Восстановление пространственной разрешающей способности единичных клеток из пространственной транскриптомики с помощью CellRefiner

Видеть клетки в их окрестностях

Современная биология умеет одновременно считывать генетическую активность сотен тысяч отдельных клеток, но часто теряет информацию о том, где именно эти клетки расположены в ткани. В то же время новые «пространственные» методы могут картировать активность генов по срезу ткани, однако обычно каждое измерение представляет собой смесь нескольких клеток. В этой статье представлен CellRefiner — вычислительный подход, который объединяет сильные стороны обоих подходов, чтобы воссоздать расположение отдельных клеток и их контакты в реальной ткани. В результате получается значительно более чёткая картина того, как клетки организованы и как они общаются, особенно в мозге, лимфоузлах и опухолях.

Два несовершенных взгляда на живые ткани

Биологи часто используют секвенирование РНК по одиночным клеткам, чтобы узнать, какие гены включены в каждой клетке. Для этого ткань приходится разрушать, поэтому каждая клетка становится свободным объектом с богатой молекулярной информацией, но без адреса. Пространственная транскриптомика поступает наоборот: она сохраняет клетки на слайде и считывает активность генов в небольших точках по ткани. Однако каждая точка часто содержит несколько смешанных клеток, а многие методы, основанные на изображениях, измеряют лишь часть генов. В результате ни одна технология по отдельности не может полностью ответить на вопросы, требующие знания и того, что делает каждая клетка, и где она точно расположена — например, какие клетки соседствуют или какие пары находятся в физическом контакте.

Картограф в духе физики для клеток

CellRefiner закрывает этот разрыв, рассматривая клетки как крошечные взаимодействующие частицы, которые могут перемещаться в ткани, пока не займут реалистичные положения. Сначала он использует существующие методы, чтобы примерно сопоставить группы одиночных клеток с каждой пространственной точкой на основе сходства их генетической активности с измерением в этой точке. Назначенные клетки первоначально разбросаны случайным образом внутри каждой точки. Затем CellRefiner применяет три вида виртуальных «сил», чтобы постепенно перераспределить их: одна сила не позволяет клеткам перекрываться или оставлять пустые промежутки, другая мягко притягивает клетки с похожей генетической активностью, а опциональная третья притягивает клетки, показывающие совпадающие «отправительские» и «приёмные» молекулы, участвующие в межклеточной сигнализации. В ходе нескольких итераций эта симуляция превращает грубую покадровую картину в правдоподобную карту одиночных клеток.

Тестирование метода на разных тканях

Чтобы проверить, восстанавливает ли CellRefiner реалистичные структуры, авторы сначала создали тестовые наборы данных, где истинные положения клеток известны. Они взяли высокоразрешённые данные, полученные методом визуализации, где каждая клетка индивидуально картирована, и искусственно размыли эти данные до более низкого разрешения, имитируя популярные пространственные платформы. Передав в CellRefiner только размытый вариант вместе с исходными профилями одиночных клеток, они оценивали, насколько метод способен реконструировать исходную тонкую карту. По нескольким мерам пространственной ошибки CellRefiner последовательно улучшал размещение клеток по сравнению с начальными грубыми назначениями и превосходил другие ведущие методы на множестве наборов данных из различных областей мозга мыши и других тканей. Он точнее передавал чёткие структуры, такие как узкие полосы эпендимальных клеток, слоистые области гиппокампа и кортикальные слои, чем конкурирующие подходы.

От точек к формам и беседам

Помимо размещения центров клеток, CellRefiner также может реконструировать приближённые формы клеток. Он представляет каждую клетку как кластер множества мелких элементов, соединённых виртуальными пружинами, которые реагируют на силы сжатия и растяжения между соседними клетками. Это позволяет методу выявлять, какие клетки находятся в прямом физическом контакте — ключевое требование для изучения сигнализации, основанной на контакте, когда молекулы на поверхности одной клетки связываются с партнёрами на соседней. При применении к высокоразрешённым наборам изображений восстановленные формы в целом соответствовали наблюдаемым контурам клеток и восстанавливали реалистичные сети контактов. На платформах более низкого разрешения, таких как Visium, CellRefiner получил детализированные карты контактов, которых исходные покадровые данные дать не могут.

Обнаружение скрытой сигнализации в мозге и раке

Используя уточнённые карты и сети контактов, CellRefiner смог заново обнаружить известные схемы сигнализации в человеческой плоскоклеточной карциноме и коре мозга мыши. В опухолях он выделил сигнальные системы, вовлечённые в клеточную адгезию, рост сосудов и взаимодействия на границе опухоли, включая пути, которые помогают раковым клеткам сцепляться друг с другом или вступать во взаимодействие с окружающей средой. В мозге мыши CellRefiner показал структурированную сигнализацию между кортикальными слоями и определёнными классами интернейронов, подтверждая роль в миграции нейронов, формировании схем проводимости и образовании синапсов. Важно, что метод продемонстрировал: то, что выглядит как сильная сигнализация в одной смешанной точке, на самом деле может исходить только от подмножества клеток внутри этой точки, раскрывая скрытое разнообразие в ответах соседних клеток.

Более чёткие карты тканей для будущей биологии

По сути, CellRefiner превращает размытые пространственные измерения в детальные карты, где каждая клетка обладает и молекулярной идентичностью, и реалистичным положением и формой. Этот более ясный взгляд позволяет проводить более надёжные исследования того, как клетки организованы, как они формируют слои и регионы и как они общаются через прямой контакт. Хотя метод зависит от качества входных данных и опирается на упрощающие предположения о плотности и размерах клеток, он предлагает гибкую, вдохновлённую физикой рамку, которую можно расширить на другие молекулярные слои, такие как белки или хроматин. Для неспециалистов CellRefiner представляет шаг к виртуальным микроскопам, которые показывают не только где находятся клетки, но и как они взаимодействуют как динамичные сообщества внутри живых тканей.

Цитирование: Bourgain-Chang, E., Kuang, X., Cang, Z. et al. Reconstructing single-cell resolution from spatial transcriptomics with CellRefiner. Nat Commun 17, 3304 (2026). https://doi.org/10.1038/s41467-026-70090-2

Ключевые слова: пространственная транскриптомика, секвенирование РНК по одиночным клеткам, клеточно-клеточная коммуникация, вычислительная биология, микроокружение опухоли