空间机械转录组学计算框架的开发与应用

作者及机构
本研究由Adrien Hallou（英国牛津大学Kennedy风湿病研究所、剑桥大学Gurdon研究所和剑桥干细胞研究所）、Ruiyang He（美国哥伦比亚大学生物医学工程系、纽约基因组中心、哥伦比亚大学Irving癌症动力学研究所）、Benjamin D. Simons（剑桥大学应用数学与理论物理系）和Bianca Dumitrascu（哥伦比亚大学统计系）共同完成，发表于2025年4月的《Nature Methods》期刊（Volume 22, Pages 737–750）。

学术背景
近年来，空间组学技术（spatial omics）的进步为研究分子程序如何受局部信号和环境因素影响提供了新视角。然而，细胞命运决定和组织模式形成涉及生化与机械反馈的复杂交互。现有空间组学技术虽能解析基因表达、蛋白质组成和染色质可及性，但难以整合细胞形态学指标和局部力学信号。例如，基于原位杂交（ISH）的方法（如seqFISH、MERFISH）虽能提供单细胞分辨率，但转录组覆盖有限；而高通量测序技术（如Slide-seq）虽覆盖全转录组，但空间分辨率仅达超细胞水平。因此，开发一种能够联合分析转录组和力学信号的计算框架，对理解发育、疾病中机械-化学反馈机制至关重要。

研究目标
本研究旨在开发一种空间机械转录组学（spatial mechano-transcriptomics）计算框架，通过整合空间转录组数据和图像力学推断技术，量化单细胞水平的机械力（如细胞间张力、细胞内压力）与基因表达的关联，并应用于小鼠胚胎发育中组织边界形成的机制解析。

研究方法与流程
1. 数据输入与预处理
- 研究对象：使用E8.5小鼠胚胎的seqFISH数据集（包含387个基因的空间表达数据）和单细胞RNA测序参考数据（小鼠原肠胚图谱）。
- 图像分割：通过深度学习（轻量级U-Net）分割DAPI标记的细胞核，结合免疫荧光膜信号（E-cadherin、N-cadherin等）进行 watershed 算法分割，生成单细胞轮廓掩膜。
- 力学推断：基于变分应力推断方法（VMSI, variational method of stress inference），从细胞几何中推断细胞间张力（junctional tension）和细胞内压力（intracellular pressure），并通过圆弧拟合优化接触点几何。

1. 机械-转录组联合分析

   • 边界识别：通过转录组定义的细胞类型和力学信号（如张力峰值）定位组织边界（如中脑-后脑边界MHB）。
     
   • 配体-受体（LR）分析：利用CellChatDB数据库筛选边界细胞中高互作潜力的LR对（如Ephrin-Eph信号通路），并通过基因本体（GO）富集分析验证其功能。
     
   • 结构方程模型（GSEM）：控制空间混杂效应后，识别与机械力显著关联的基因模块（如细胞迁移、ECM组织相关基因）。
     

2. 非线性关联分析

   • 通过局部加权中位数平滑和层次聚类，发现基因表达对机械力的非线性响应模式（如“带通滤波”式表达）。
     

主要结果
1. 组织边界的高界面张力特征
- 在中脑-后脑边界等区域，异型细胞接触的张力（heterotypic tension）比同型接触（homotypic tension）高12–35%，且这一现象在相邻Z平面中保持一致。
- 生物物理模拟证实，仅提高界面张力即可维持边界稳定性，支持“高界面张力假说（HIT）”。

1. Ephrin信号通路的机械调控作用

   • LR分析显示，边界区域富集Ephrin-Eph配体-受体对（如Efna1-Epha5），其空间表达呈互补模式（如配体在颅中胚层高表达，受体在前脑-中脑-后脑区域边界富集）。
     
   • 这些通路通过调控肌动球蛋白收缩性和局部黏附差异，介导边界张力升高。
     

2. 机械相关基因模块

   • GSEM识别出131个与压力和应力张量显著关联的基因（如细胞骨架调控基因ARHGEF15、YAP靶基因CYR61），其功能涉及“细胞迁移”“组织形态发生”。
     
   • 非线性分析发现，部分基因（如Wnt7b、Pax3）表达呈现阈值响应（如低压力时上调，超过阈值后下调），提示机械敏感的“带通滤波”机制。
     

结论与意义
本研究提出的计算框架首次实现了单细胞水平机械力与转录组的空间整合分析，揭示了发育中组织边界形成的力学-分子协同机制。其科学价值包括：
1. 方法论创新：VMSI算法与空间转录组的结合为研究机械生物学提供了通用工具。
2. 理论突破：证实Ephrin信号通过调控界面张力驱动边界形成，为细胞分选理论提供了新证据。
3. 应用潜力：框架可扩展至其他空间组学数据（如3D转录组），助力肿瘤微环境、器官发育等研究。

研究亮点
1. 多模态整合：首次将图像力学推断与空间转录组联合分析，解决了传统技术无法关联力学与分子表型的难题。
2. 非线性机械传感：发现基因表达对机械力的非线性响应模式，为合成生物学提供了新设计思路。
3. 开源工具：配套Python包实现了力学推断流程的标准化，促进领域应用。

其他价值
研究还探讨了固定化对形态学的影响、2D推断的局限性，并展望了3D力场重建的未来方向，为后续技术改进提供了路线图。