为什么标准降维方法会丢失空间信号
主成分分析及相关方法寻找的是基因在表达空间中的正交线性组合，以最大化总方差，而不参考空间坐标[1]。这意味着总体表达变异性高但无空间模式的基因可能主导领先成分，而具有局部化但方差较低的空间表达基因可能被 relegated 到次要成分或完全丢失[1]。早期关于空间感知降维的工作，如基于小波的方法，试图通过将小波变换与矩阵分解相结合来选择空间变异基因，并提取能够捕捉全局空间模式的低维表示，从而解决这一问题[2]。该方法表明，具有较大空间梯度的基因受益于小波平滑，但它依赖于基于网格的预处理步骤，并且没有提供将新数据投影到已学习空间中的框架[2]。其他方法如GraphPCA和SpatialPCA通过空间惩罚或核函数来增强PCA，但这些方法仍然优化基于方差的目标，而不是直接针对空间可预测性[1]。
wSIR如何将问题重构为监督降维
wSIR采取了一种根本不同的方法，将空间坐标视为多元响应变量，将基因表达视为预测变量[1]。其目标是充分降维：找到一个基因表达的低维线性投影，使得在给定该投影的条件下，空间坐标与完整表达矩阵条件独立[1]。这是通过切片逆回归的加权版本实现的，其中细胞被分组为空间切片，基于切片质心的物理邻近性构建切片间相似度矩阵，并对切片汇总后的表达数据进行特征分解以获得载荷[1]。该加权方案通过将跨样本切片相似度设为零，使多个样本能够联合分析，而该方法的线性特性使得新数据能够直接投影到所学空间中[1]。作者报告称，wSIR在标准笔记本电脑上不到两分钟即可处理超过100,000个细胞，这一可扩展性与可能需要GPU资源或更长运行时间的基于图的方法和深度学习方法相比具有优势[1]。
与替代方法的比较揭示了权衡
降维方法的选择并非中性：它决定了下游分析能够检测到哪些生物结构。BANKSY是一种空间聚类算法，它将细胞嵌入到其自身转录组与局部邻域转录组构成的乘积空间中，实现了对数百万细胞的可扩展性，并在域分割基准测试中优于SpaGCN和STAGATE等方法[6]。然而，BANKSY是为聚类而设计的，而非提供一种可投影到新数据上的通用低维嵌入[6]。CoCo-ST利用图对比学习与背景数据集来检测高方差聚焦方法所遗漏的低方差空间结构，这表明对高方差特征还是组织特异性低方差特征的优先选择，决定了哪些生物信号可以被恢复[3]。PRIME通过随机投影集成和图-拉普拉斯正则化整合单细胞与空间转录组学数据，在校正批次效应的同时保留了细胞类型异质性和组织层面的空间连续性[5]。这些方法解决了空间分析问题的不同方面：wSIR侧重于在低维嵌入中保持空间可预测性，而BANKSY和CoCo-ST优先考虑聚类和域检测，PRIME则强调跨批次和跨模态的整合[1][3][5][6]。
wSIR应用带来的生物学洞见
在小鼠胚胎发育数据集中，wSIR嵌入揭示了对应于不同解剖区域的内皮细胞簇，包括一个表达Plac1和Tbx4的后部簇，以及一个表达Gata4、Gata5和Gata6的心内膜簇[1]。当作为Tangram（一种用于将单细胞数据映射到空间参考的深度学习方法）的输入时，与使用原始基因计数或PCA得分相比，wSIR得分实现了最高的偏差校正距离相关性、最低的均方误差和最短的运行时间[1]。在人类乳腺癌数据集中，wSIR将MMP12和OPRPN识别为排名最高的基因，而PCA则优先排序了PTGDS和SFRP4；MMP12的表达定位于不同的小区域，而PTGDS和SFRP4的表达则更为广泛[1]。将Xenium单细胞数据投影到基于Visium的wSIR空间上，揭示了一个表达MMP12、CD68、APOC1和FCER1G的巨噬细胞亚簇，该亚簇定位于导管原位癌周围，这一模式在PCA中未被观察到[1]。这些发现表明，wSIR能够优先识别空间定位的基因表达，这些表达可能具有生物学相关性，但不一定是最普遍的[1]。
监督方法的局限与尚存的不确定性
wSIR 的监督性质既是其优势，也是其局限：通过针对空间可预测性进行优化，它可能会降低非空间但与研究问题相关的生物学变异的优先级 [1]。作者承认，wSIR 应被视为众多工具之一，并且其在识别非空间但仍具有生物学相关性的变异方面可能存在局限 [1]。该方法假设空间坐标是合适的响应变量，但这并非对所有生物学问题都成立，尤其是那些聚焦于细胞类型组成或并非主要以空间方式组织的发育轨迹的问题 [1]。此外，wSIR 对于非常大的数据集需要先进行初始特征选择步骤，而当前实现并未包含稀疏诱导正则化，这可以在未来工作中加以解决 [1]。该方法还假设来自不同样本的切片在空间上不相关，这可能限制其利用同一组织块连续切片信息的能力 [1]。其他方法如 stVGP 解决了多切片三维重建和跨切片对齐问题，凸显出 wSIR 当前的公式化表述并未对样本内的切片间关系进行建模 [4]。最后，在所报告的基准测试中，wSIR 相对于 BANKSY 和 CoCo-ST 等方法在域检测任务上的表现相当，但并未更优，这表明方法的选择应取决于具体的分析目标 [1][3][6]。
关于这些数据来源
本研究页面基于6项同行评审研究——发表于2022年至2026年间，其中5项发表于2024年或之后——这些研究是从通过质量筛选的7项研究中选出的最相关研究，而这些研究又从超过5亿篇文献的数据库中检索到的47篇论文中筛选而来。
本文引用的文献
加权切片逆回归用于空间转录组数据的可扩展监督降维
加权切片逆回归（wSIR）是一种监督式充分降维方法，它保留了空间坐标的预测能力，可在两分钟内处理超过10万个细胞，并在乳腺癌和小鼠胚胎发育案例研究中识别出空间局部化的基因程序和细胞亚型[1]。
使用小波基的空间转录组学降维
基于小波的降维方法将小波变换与矩阵分解相结合，以筛选空间变异基因并提取能够捕捉全局空间模式的低维表示，其中空间梯度较大的基因从小波平滑中获益最多[2]。
CoCo-ST检测空间转录组学数据集中的全局和局部生物结构。
CoCo-ST利用图对比学习和背景数据集来检测高方差和低方差的空间结构，其性能优于十种最先进的空间域检测方法，并能识别出其他方法所忽略的早期和晚期腺瘤[4]。
通过变分空间高斯过程从多模态多切片空间转录组中重建连贯的功能景观。
stVGP是一个变分空间高斯过程框架，能够从多模态、多切片的空间转录组学数据中对空间连贯域进行对齐、整合与重建，从而实现3D组织重建和虚拟切片生成[5]。
通过PRIME实现图谱级单细胞和空间转录组学数据整合。
PRIME通过随机投影集成、共识锚点投票和图拉普拉斯正则化，在图谱尺度上整合单细胞与空间转录组学数据，在校正批次效应的同时保留发育轨迹和皮层分层结构[6]。
BANKSY统一了细胞分型和组织域分割，用于可扩展的空间组学数据分析。
BANKSY将细胞嵌入到其自身与局部邻域转录组构成的产品空间中，统一了细胞分型与组织域分割，可扩展至数百万个细胞，并在域分割和细胞分型基准测试中优于竞争方法[7]。