Cellgrannskapets topologi styr identifiering av sällsynta cellpopulationer

Varför små cellgrupper spelar roll

Våra kroppar är uppbyggda av enorma skaror celler, men några av de viktigaste aktörerna är sällsynta celltyper som utgör bara en liten andel av helheten. Dessa knappa celler kan driva cancerspridning, påverka hjärnsjukdomar eller samordna immunreaktioner, men de är notoriskt svåra att upptäcka i moderna single-cell- och spatiala vävnadskartor. Denna studie introducerar RareQ, en ny beräkningsmetod utformad för att pålitligt hitta dessa dolda cellgrupper, även i enorma och komplexa datamängder.

Söker mönster i cellgrannskap

Traditionella metoder grupperar vanligtvis celler genom att titta på vilka gener de uttrycker och delar sedan upp data i kluster. Det fungerar bra för vanliga celltyper men slukar ofta de sällsynta i större grupper eller betraktar dem som brus. RareQ tar en annan väg. Istället för att enbart fokusera på gennivåerna undersöker den hur varje cell är placerad i ett nätverk av sina närmaste grannar. Om en cell och dess omgivande grannar är mycket tätt förbundna med varandra men svagt länkade till resten av nätverket, markerar RareQ detta grannskap som speciellt. Denna idé fångas i en måttstock kallad Q, som speglar hur ”klubbat” ett cells lokala grannskap är.

Gör kliker till meningsfulla cellgrupper

Med hjälp av Q-poängen bygger RareQ cellgrupper steg för steg. Varje cell börjar i sitt eget lilla kluster och antar sedan successivt etiketten från den granne med högre Q i sitt lilla grannskap. Enkelt uttryckt fungerar tätt sammanhållna cellkliker som ankare som drar till sig närliggande liknande celler. Efter denna etikettutbredning kontrollerar metoden vilka resulterande kluster som är starkt förbundna inuti men bara svagt kopplade till andra. Kluster med hög genomsnittlig Q betraktas som kandidat-sällsyntpopulationer, medan svagare kluster slås ihop för att bilda de större celltyperna. Denna process låter RareQ separera både stora och små cellgemenskaper utan att behöva förkunskaper om hur många typer som finns.

Testning av RareQ över många vävnader

Författarna utvärderade RareQ på hundratals simulerade och verkliga dataset, inklusive blodceller, luftvägsepitel, hjärnvävnad, tumörer och spatiala kartor. I dessa tester upptäckte RareQ sällsynta celltyper mer exakt än sju ledande metoder och fann ofta många fler sällsynta populationer med högre precision och recall. Den körde också snabbare och använde mindre minne, och analyserade framgångsrikt dataset med över en miljon celler där vissa konkurrerande verktyg misslyckades. I multimodala data som kombinerar genaktivitet med kromatinåtkomst eller ytproteiner kunde RareQ tillämpas på varje lager separat eller på integrerade vyer, och ofta avslöja sällsynta celltyper som var osynliga för metoder baserade enbart på en datatyp eller tunga djupinlärningsmodeller.

Avslöjar dolda aktörer i hälsa och sjukdom

Genom att tillämpa RareQ på specifika biologiska problem visar studien hur dessa dolda cellgrupper kan omforma vår förståelse av vävnader. I luftvägarna återfann RareQ kända sällsynta epitelceller och upptäckte nya undergrupper kopplade till celldelning, ciliebildning och antiviral respons. I B-cellslymfom och njurcancer identifierade den sällsynta immunceller och tumörassocierade grupper, inklusive dendritiska celler med hög checkpoint-aktivitet som kan påverka svar på immunterapi. I hjärnprover från Alzheimerpatienter framhöll RareQ sällsynta mikroglia- och astrocyt-tillstånd som var förhöjda hos patienter, med genmönster kopplade till inflammation, skräpupprensning och hantering av amyloidproteiner. I högupplösta spatiala dataset från mus-hjärna upptäckte den små, anatomiskt precisa populationer, såsom distinkta neuron-underregioner i hippocampus och specialiserade cilierade epitelceller i plexus choroideus, som andra metoder hade missat eller suddat ut.

Vad detta betyder för framtida cellkartor

För en allmän läsare är huvudbudskapet att RareQ erbjuder ett känsligare och mer effektivt sätt att hitta de sällsynta celltyper som ofta fungerar som reglage för sjukdom och vävnadsfunktion. Genom att fokusera på hur celler är kopplade till sina grannar snarare än enbart på råa gennivåer kan RareQ plocka ut små men koherenta cellgrupper ur massiva datamängder. Det gör framtida cellatlaser mer fullständiga och öppnar dörren för att studera svårfångade celltillstånd som kan bli mål för diagnostik eller terapi.

Citering: 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

Nyckelord: sällsynta celler, single-cell-analys, spatial transkriptomik, cellnätverk, beräkningsbiologi