基于空间信息的多组学组织分割方法
统计方法学
2025-09-03 v1
摘要
矩阵辅助激光脱离/离子化质谱成像（Matrix-Assisted Laser Desorption/Ionisation Mass Spectrometry Imaging，MSI）是一种强大的技术，用于空间分辨的分子轮廓和癌症生物标志物发现。近期的进展，包括一种新型多组学工作流程，使能够对同一组织切片进行多轮MSI，提取多样化的分子类别，如脂质、肽和N-糖基化物，同时保持空间分辨率。这一创新在组织样本有限的研究中尤其有价值，如罕见疾病或小肿瘤。然而，所得数据是高维的、具有空间结构的，并且各种分子类型共享相同的像素网格。为解决这些挑战，我们提出Poseidon，一种贝叶斯非参数嵌套双聚类模型，同时分割常见组织像素并在每个分子类别中聚类分子信号，利用共享的空间结构。首先考虑单独可交换框架，然后通过隐藏马尔可夫随机场扩展以处理空间数据。为提高可扩展性，我们实现了一个专为多数据集分析设计的高效mean-field变分推断算法。在模拟情景中验证我们方法的有效性后，我们在一个真实案例研究中展示了该模型的适用性，其中对受clear cell肾细胞癌影响的肾脏组织进行了多组学测量。Poseidon的嵌套、分层结构以及其原则推断框架，允许提取有趣的生物学见解，如清晰的组织分割和生物标志物检测。
引用
@article{arxiv.2509.02482,
title = {Multiomics Tissue Segmentation via Spatially-Informed Nested Biclustering Methods},
author = {Francesco Denti and Cecilia Balocchi and Vanna Denti and Giulia Capitoli},
journal= {arXiv preprint arXiv:2509.02482},
year = {2025}
}