// SCINEXX — SPAZIO & SCIENZA
Neuer Algorithmus erleichtert den Vergleich von Genaktivitätskarten
Räumliche Genaktivitätskarten lassen sich bislang nur schwer präzise miteinander vergleichen, wenn Gewebeschnitte verschoben oder verdreht sind. Ein neuer Algorithmus richtet solche Datensätze direkt anhand von Zellposition und Genaktivität aus. In 90 Tests erreichte DET bei drei räumlich geprägten Kennzahlen die besten Werte, während ein anderes Verfahren bei der Zelltypzuordnung knapp vorn lag.
Kanazawa (Japan). Räumliche Transkriptomik zeigt für einzelne Zellen oder Messpunkte zugleich, wo sie im Gewebe liegen und welche Gene dort aktiv sind, und macht dadurch die molekulare Organisation von Organen, Tumoren oder Embryonen sichtbar. Damit mehrere Gewebeschnitte sinnvoll verglichen werden können, müssen ihre räumlichen Strukturen möglichst genau zur Deckung gebracht werden.
Das ist schwieriger, als es zunächst klingt, weil Schnitte verschoben, gedreht oder unterschiedlich verformt sein können, während sich zugleich die gemessenen Genaktivitäten unterscheiden. Einige bisherige Verfahren wandeln die Messpunkte deshalb zunächst in Rasterbilder um, wobei besonders bei unregelmäßig verteilten Messpunkten ein Teil der ursprünglichen räumlichen Auflösung verloren gehen kann.
Forscher der Kanazawa University (KU) um Osamu Hirose haben nun mit Domain Elastic Transform, kurz DET, ein Verfahren entwickelt, das ohne diesen Zwischenschritt auskommt und die räumliche Lage der Messpunkte gemeinsam mit ihren hochdimensionalen Genaktivitätsprofilen betrachtet. Der Algorithmus schätzt zunächst, welche Punkte wahrscheinlich zueinander gehören, und berechnet daraus anschließend eine glatte räumliche Verformung.
Diese beiden Schritte werden wiederholt, bis die Zuordnung stabil wird, während die Genexpressionswerte selbst weder räumlich gemittelt noch in Bildpixel gepresst werden. Nach Angaben der Autoren ist DET zudem unüberwacht und benötigt kein vortrainiertes Modell, wodurch es sich auf neue Datensätze anwenden lässt, sofern beide Karten einen gemeinsamen Merkmalsraum besitzen.
Getestet wurde das Verfahren zunächst mit MERFISH-Daten aus dem Mausgehirn, aus denen die Forscher 90 Vergleichsfälle mit benachbarten Gewebeschnitten und zusätzlichen zufälligen Drehungen über den gesamten Kreis sowie Verschiebungen bildeten. DET wurde dabei mit BCPD, STalign sowie beschleunigten Varianten von PASTE1 und PASTE2 verglichen.
Bei der Flächenüberlappung, der Erhaltung lokaler Nachbarschaften und der geglätteten Übereinstimmung der Genaktivität erzielte DET jeweils den höchsten Mittelwert, die Ergebnisse zeigen aber auch einen Zielkonflikt. Bei der Übertragung von Zelltypbezeichnungen lag eine PASTE2-Variante geringfügig vor DET, weshalb das neue Verfahren nicht für jede denkbare Vergleichsaufgabe automatisch die beste Wahl ist.
Auch die Rechenleistung wurde getestet, indem die Autoren die Datensätze künstlich auf bis zu eine Million Messpunkte pro Karte vergrößerten. Je nach Zahl der verwendeten Landmarken benötigte DET dafür im Mittel rund 37 bis 97 Sekunden und blieb beim durchschnittlichen Speicherbedarf unter einem Gigabyte, was für eine gute Skalierbarkeit auf sehr große räumliche Datensätze spricht.
Als zweite Anwendung richtete das Team räumliche Transkriptomkarten zweier Maus-Embryonalstadien gegeneinander aus, wobei die frühere Karte 102.519 Messpunkte und die spätere 113.350 umfasste. Mit mehreren Verfeinerungsschritten konnte DET die geometrische Überlappung und die Übereinstimmung gemeinsamer Zellklassen innerhalb der eigenen Verarbeitungskette deutlich steigern.
Diese Analyse ist allerdings kein unabhängiger Genauigkeitstest. Für die beiden Entwicklungsstadien existiert in dem Datensatz keine kuratierte Punkt-zu-Punkt-Referenz, an der sich eine korrekte Registrierung direkt messen ließe. Die Embryonenanalyse belegt daher vor allem die technische Machbarkeit bei mehr als 100.000 Messpunkten und die interne Konsistenz des Verfahrens, nicht eine zweifelsfrei richtige entwicklungsbiologische Zuordnung.