近期🪷，EON体育4平台/醫EON4臨床研究中心俞章盛教授課題組與合作者《Nature Communications》在線發表“HEARTSVG: a fast and accurate method for identifying spatially variable genes in large-scale spatial transcriptomics”論文。該研究提出了一種用於快速☪️、精確檢測大規模空間轉錄組數據中空間可變基因（SVG）的方法——HEARTSVG，並揭示了其在腫瘤研究等領域的重要應用。EON体育4平台博士生袁欣為論文第一作者，EON体育4平台/醫EON4臨床研究中心俞章盛教授和耶魯大學生物統計系馬雙鴿教授為共同通訊作者。

空間轉錄組學能夠測量組織中的基因表達和位置信息🤽🏼，其技術的發展為組織結構重建及多個領域提供了深刻見解🥿。在空間轉錄組學研究中🥔，識別空間可變基因（SVG）有助於理解疾病的時空特征和組織結構。然而，空間轉錄組學數據的復雜性和高維性對分析方法提出了新挑戰，現有用於檢測SVG的方法在大規模數據集適用性🪖、計算效率、準確性等方面存在局限性👨🏽‍🍳。該研究提出的HEARTSVG方法是一種無需預設數據分布的統計測試方法✳️，通過排除non-SVG基因來推斷SVG的存在，因此能在各種ST數據集中以高精度、有效性和泛化性識別任何空間表達模式的SVG，並適用於大規模空間轉錄組學數據。

圖1 HEARTSVG流程圖

該研究假定non-SVG的空間表達為獨立同分布，因此其邊際表達也獨立同分布，而SVG的空間表達和邊際表達則存在序列相關性👸🏻。因此算法HEARTSVG利用semi-pooling processing將基因的二維空間表達轉換為一維邊際表達序列，通過Portmanteau測試檢驗序列自相關🚎，然後結合Stouffer方法和Holm方法確定最終p值，以識別SVG。對應的R package還提供了自動聚類模塊，用於預測空間域、進行功能研究和可視化🫷🏻。團隊進行了廣泛模擬，並將HEARTSVG應用於不同技術生成的12個真實ST數據集，證明了其準確性、有效性和計算效率🦇。

團隊將HEARTSVG應用於不同空間技術的ST數據集，在10X Visium技術生成的人類結直腸癌數據集中，HEARTSVG鑒定出的SVG表現出顯著生物學相關性🧑🏼‍🔬，在腫瘤相關KEGG通路中顯示出優勢，能預測空間域並有效檢測具有不同空間表達模式的SVG。

圖3 HEARTSVG應用於小鼠小腦數據集

在分析Slide-seqV2技術生成的小鼠小腦數據時⛹🏻‍♀️，HEARTSVG能檢測到具有空間限製表達模式的細胞類型標記基因⚉，進行組織特異性富集分析，證明在結構復雜的組織中檢測SVGs的可靠性。

在其他不同空間技術和其他癌症的ST數據集中🩸，該方法也表現出良好的性能🔅，展示了其通用性和卓越性。在MERFISH技術生成的小鼠視前下丘腦的兩個數據集中，該方法能識別與細胞類型相關的SVG，且自動聚類模塊獲取的空間域與細胞類型相匹配🈲。應用於HDST技術生成的小鼠嗅球數據時，HEARTSVG展示了在大規模稀疏數據集中的適用性。在分析原發性肝癌和腎細胞癌腦轉移的ST數據集時，該方法展示了其在癌症研究中的通用性和卓越性能。總體而言，HEARTSVG是一種檢測空間可變基因的強大方法，能夠識別任意形狀的空間表達模式💆🏿‍♂️。其自動聚類模塊有助於預測不同腫瘤相關空間域🙇🏿‍♂️，為理解腫瘤組織的生物學復雜性提供了新視角。

該研究得到了國家自然科學基金🪿🏋️‍♂️、上海市科學技術委員會基金、EON体育4“醫工交叉研究基金”等項目資助🤸🏼♚。同時感謝EON体育4高性能計算中心“思源一號”集群平臺提供的技術支持。

論文鏈接：

https://www.nature.com/articles/s41467-024-49846-1