3d-OT: глубокая геометрически осведомлённая система для выравнивания неоднородных срезов пространственной мультиомики

Видеть ткани в трёх измерениях

Биологи всё чаще могут измерять не только какие молекулы активны в клетке, но и точное положение этой клетки в ткани. Эти новые «пространственные» карты обещают более ясное понимание того, как устроены нейронные сети, как распространяются опухоли и как эмбрионы формируют органы. Тем не менее большинство экспериментов по‑прежнему фиксируют лишь тонкие срезы, причём каждый использует разные типы измерений и разрешения. В этой статье представлен метод 3d-OT — вычислительный подход, который стыкует такие срезы в согласованные 3D‑представления, максимально используя богатую молекулярную информацию каждого среза.

Почему важно отображать пространство

Традиционная генетика и геномика говорят нам, какие молекулы содержатся в клетках, но не где эти клетки находятся. Пространственные технологии меняют это, фиксируя и молекулярный профиль каждой маленькой точки ткани, и её физические координаты. Разные методы подчёркивают разные молекулярные слои: одни профилируют РНК, другие — белки, третьи — химические метки на ДНК. Каждый слой показывает свою сторону организации ткани. Проблема в том, что исследователи часто получают несколько частично перекрывающихся срезов ткани, измеренных разными инструментами. Выравнивание таких гетерогенных срезов в единое 3D‑пространство, сохраняя тонкие анатомические детали, долго оставалось нерешённой задачей.

Геометрически осознанное представление тканей

Авторы разработали 3d-OT так, чтобы рассматривать каждый срез ткани как «облако точек» — совокупность точек в физическом пространстве, каждая из которых несёт мультиомические измерения. Вместо опоры преимущественно на сетку или граф для описания соседских связей, 3d-OT использует архитектуру нейронной сети PointNet++, изначально созданную для распознавания 3D‑объектов. Эта сеть неоднократно подаёт каждой точке не только её молекулярные сигналы, но и точные координаты, позволяя модели учиться тонким геометрическим паттернам, таким как слоистая структура коры или изогнутые границы органов. Для срезов с более чем одним молекулярным слоем модуль слияния объединяет модальности в общее представление, при этом сохраняя отличительный вклад каждого слоя.

Выравнивание с мягкими соответствиями

Второй ключевой компонент 3d-OT — модуль выравнивания на основе «оптимального транспорта», математической теории сопоставления двух распределений при сохранении их общей формы. Вместо того чтобы навязывать жёсткое попарное соответствие между точками двух срезов, метод вычисляет мягкие соответствия: каждая точка в исходном срезе может частично соответствовать нескольким кандидатам в целевом срезе. Функция восстановления, основанная на расстоянии Чамфера, вознаграждает выравнивания, при которых реконструированные позиции близки к реальным позициям цели. Дополнительные условия гладкости и «нулевого дивергенции» побуждают поток точек между срезами следовать реалистичным, непрерывным деформациям ткани — таким как сгибание, растяжение или рост — вместо неправдоподобных скачков или скручиваний.

Выявление скрытой структуры ткани

Чтобы протестировать 3d-OT, команда сравнила его с ведущими инструментами пространственного анализа на разных наборах данных, включая человеческий мозг, рак молочной железы, лимфоузел и несколько органов мыши. В задачах кластеризации одиночных срезов 3d-OT точнее восстановил известные слои коры у человека и мыши и лучше различал раковые регионы, чем конкурирующие методы. В данных мультиомики мышиного мозга, где РНК сочеталась с метками хроматина, он отделил два подслаи внутри самого глубокого коркового слоя, которые часто выглядят как единая полоса, и выделил маркерные гены для этих тонких областей. Во множестве технологий и разрешений, включая сложные ткани сердца и нервного гребня, 3d-OT обеспечивал более плавные и анатомически правдоподобные выравнивания по сравнению с существующими методами.

Прослеживание органов во времени

Возможно, самым впечатляющим демонстративным примером стала реконструкция развития эмбриона мыши. Используя пространственные данные с нескольких эмбриональных дней, 3d-OT выровнял срезы по времени, чтобы создать 3D «фильмы» роста органов. Метод зафиксировал, например, как сердце меняется от компактной формы к кольцевидной и обратно, и как печень неуклонно растёт. Также он связал ранние зародышевые области с более поздними органами, корректно проследив мочеполовой гребень в почку и яичник, а дермомиотом — в мышечную и соединительную ткань. Эти траектории соответствовали известной эмбриональной биологии и при этом предлагали дополнительные пути дифференцировки для дальнейшего изучения.

Что это значит для будущей биологии

Проще говоря, 3d-OT превращает разрозненные, многослойные снимки тканей в согласованные высокоразрешённые 3D‑карты, которые уважают как молекулярную идентичность, так и физическую форму. Явно кодируя геометрию и позволяя гибкое, мягкое согласование между срезами, он превосходит ранние инструменты в идентификации тонких областей ткани и выравнивании данных из разных технологий и временных точек. По мере роста объёмов пространственных мультиомических наборов данных методы вроде 3d-OT помогут исследователям перейти от плоских изображений к динамичным 3D‑атласам органов в здоровье, болезни и развитии.

Цитирование: Dai, B., Yi, L., Wang, P. et al. 3d-OT: a deep geometry-aware framework for heterogeneous slices alignment of spatial multi-omics. Nat Methods 23, 760–771 (2026). https://doi.org/10.1038/s41592-026-03034-9

Ключевые слова: пространственная омics, интеграция мультиомики, 3D-реконструкция тканей, развитие эмбриона, вычислительная биология