作者，Evil Genius
初七了，马上就要上班了，昨天休息了一天，出去转了转，景区人山人海，简直了~~~
2025年的周期也要开始了~~~
随着Xenium和HD空间数据的铺开，文章也逐渐出现，前面分享了2篇HD的文章，今天这是第三篇HD的高分文章，同时采用了Xenium + HD的联合分析。
我们来学一学HD和Xenium的分析策略。
知识积累
人肺结构复杂，在解剖学上不同的位置有多种特殊的上皮细胞、间质细胞和免疫细胞，具有特定的功能作用。远端肺结构和细胞组成的大规模改变是肺纤维化（PF）和其他慢性肺部疾病的标志。
IPF患者肺部组织病理学表现（称为“通常间质性肺炎”）的一个特点是空间异质性，在保存的肺泡结构附近可以发现广泛重构的区域。
病理的空间异质性意味着在给定的IPF肺内，多种不同的病理程序可能同时发生在不同的空间区域（生态位）；因此，了解细胞和分子程序介导疾病发病机制的空间背景至关重要。
结果1、肺细胞图谱（Xenium）
由于细胞边界的不确定性和转录本对正确细胞的可靠分配，细胞分割仍然是该领域的一个挑战，分析只关注重叠核边界的转录本。
评估特定肺结构（如气道、肺泡和脉管系统）内细胞的空间位置支持对注释细胞身份的高可信度。
结果2、生态位分析揭示了疾病产生的细胞相互作用
使用两种互补的计算方法将样本划分为分子和细胞相似性区域(即空间“生态位”）。首先，我们使用了基于细胞的方法，使用了Seurat v5，基于空间接近度和细胞类型标注构建局部邻域，然后进行k-means聚类。这种方法受到以下两个因素的限制：(1)受到细胞注释的“粒度”的影响，(2)只使用分配给细胞核的转录本的数据。为了克服这些限制，作者还开发了一种新的方法，通过直接使用转录数据来识别与细胞分配无关的niche。使用GraphSAGE，训练了一个基于背景数据空间位置的图神经网络模型来聚合本地邻域信息，并定义了一个嵌入空间，为数据集中所有单个转录本提供新的表示。然后，应用高斯混合模型对嵌入空间中的转录本进行聚类，并识别niche，使用共识方法将细胞分配给这些niche。
niche如何与特定的病理特征对齐。虽然许多功能包括不同的生态位组合，但有些功能主要或几乎完全由单一生态位标记。
使用Visium HD平台从两个已经经过xenium分析的组织切片中生成了匹配的基于测序的空间转录组数据。使用更广泛的基因集，发现KRT5−/KRT17+细胞和活化的纤维化成纤维细胞的信号定位高度一致。
结果3、Disease-emergent macrophages在airspaces中积聚
除了确定与特定病理特征密切相关的壁龛外，分析还揭示了广泛存在的分子病理学，这些分子病理学与典型的PF疾病特征并不特异性对应。分析发现了一个与airspaces内巨噬细胞积聚相关的基于细胞的生态位，该生态位存在于所有疾病样本中，与诊断无关。
在单细胞分辨率下提供了PF肺中巨噬细胞多样性的空间背景化和表征。
结果4、肺泡失调的时间线
利用样本中疾病特征的空间异质性来重建PF进展的“分子自然史”。
轨迹分析
在细胞类型和生态位分析的支持下，发现肺泡稳态的初始丧失以毛细血管内皮细胞和AT1细胞的丧失为标志。
使用光谱聚类将表达变化分为以下四大类：稳态和早期、中期和晚期重塑。
使用了伪bulk的方法，聚合了每个airspaces的基因表达水平。
这些结果支持了一个概念模型，即最初的肺泡重塑是由肺泡-毛细血管界面的破坏和上皮再生相关程序的激活驱动的，随后是上皮下成纤维细胞的激活，然后是随后的髓细胞募集/增殖。
最后我们来关注一下方法
分子niche分析
细胞niche的分析
