Biologiska processer ramas in av det sammanhang de äger rum i. Ett nytt verktyg utvecklat av Stegle Group från EMBL Heidelberg och German Cancer Research Center (DKFZ) hjälper till att sätta molekylärbiologiska forskningsrön i ett bättre sammanhang av cellulära omgivningar, genom att integrera olika former av rumsliga data.
I en vävnad är varje enskild cell omgiven av andra celler, och alla interagerar ständigt med varandra för att ge upphov till biologisk funktion. För att förstå hur vävnader fungerar eller inte fungerar i sjukdomar som cancer, är det avgörande att inte bara lära sig egenskaperna hos varje cell, utan också redogöra för deras rumsliga sammanhang. Kvantitativ karakterisering av celler i samband med det fysiska utrymme de bor i är nyckeln till att förstå komplexa system.
Teknikerna som möjliggör dessa typer av utforskning kallas spatial omics-teknologier, och deras fortgående utveckling bidrar till den ökade populariteten för rumslig biologi. Sådana teknologier kan ge detaljerad information om individuella cellers molekylära sammansättning och deras rumsliga arrangemang.
Dessa teknologier fokuserar dock på olika egenskaper hos en cell - såsom RNA- eller proteinnivåer, och de resulterande datamängderna hanteras och lagras på olika sätt. För att lösa denna utmaning utvecklade ett samarbetsprojekt under ledning av Stegle Group SpatialData, en datastandard och ett mjukvaruramverk som gör det möjligt för forskare att representera data från ett brett spektrum av rumsliga omikteknologier på ett enhetligt sätt.
Under det senaste decenniet har många tekniker utvecklats av både akademin och industrin för rumslig visualisering av vävnader, celler och subcellulära fack. Varje teknik fokuserar dock på ett litet antal önskvärda egenskaper och presenterar relaterade kompromisser. Till exempel fångar Visium från 10x Genomics information om uttrycket av alla gener i en vävnad, men ger ingen encellsupplösning.
Däremot ger 10x Genomics Xenium-analysen, MERFISH eller MERSCOPE-plattformen från Vizgen finkorniga kartor över genuttryck med subcellulär upplösning. Emellertid är dessa analyser för närvarande begränsade till några hundra förutvalda gener. Och listan över sådana tekniker, som var och en ger en liten del av hela bilden, fortsätter att växa.
Denna heterogenitet av teknologier återspeglas på beräkningssidan av en ännu större heterogenitet av filformat:varje teknik kommer med sitt eget lagringsformat, och ofta kan data som genereras av samma teknik lagras i flera format.
I praktiken medför detta flera utmaningar för analysen av rumslig omikdata. Visualiserings- och analysmetoder är vanligtvis skräddarsydda för en specifik teknik, vilket begränsar datakompatibiliteten och gör det svårt att integrera olika metoder i en enda analyspipeline. Men för en holistisk förståelse av ett biologiskt system är det viktigt att samtidigt titta på olika cellegenskaper eller prover från olika platser.
Omics-teknologier genererar enorma mängder data (terabyte bilder, miljontals celler, miljarder enstaka molekyler), vilket kräver optimerade tekniska lösningar. Därför behöver rumslig biologi omgående ett universellt ramverk som kan integrera data över experiment och teknologier, och ge holistiska insikter om hälsa och sjukdom. Det är här SpatialData kliver in.
"Det finns ett starkt behov av att etablera gemenskapslösningar för hantering och lagring av rumslig omics-data. I synnerhet finns det ett behov av att utveckla nya datastandarder och beräkningsgrunder som möjliggör förenande analysmetoder över hela spektrumet av olika rumsliga omics-teknologier som håller på att dyka upp", säger Oliver Stegle, gruppledare vid EMBL vid enheten för genombiologi och chef för divisionen Computational Genomics and Systems Genetics vid German Cancer Research Center (DKFZ).
"Ett första stort steg i den här riktningen är SpatialData, en datastandard och mjukvaruramverk som överbryggar och anpassar tidigare datahanteringskoncept från encells multi-omics till den rumsliga domänen."
SpatialData förenar och integrerar data från olika omics-teknologier, och överbryggar toppmodern teknik med ett ramverk som möjliggör beräkningspresterande åtkomst och manipulering av data.
Detta verktyg introducerades i en Naturmetoder publikation, författad av Luca Marconato under hans Ph.D. vid EMBL i Stegle-gruppen, en gemensam examen med fakulteten för biovetenskap vid universitetet i Heidelberg.
"Vi utvecklade ramverket SpatialData för att lindra utmaningarna med datarepresentation när man studerar rumslig biologi, så att forskaren kan fokusera på den biologiska analysen, snarare än att bromsas av tråkiga datamanipulationer, som annars krävs för att ens bara visualisera data. Ramverket ger en enhetlig representation och implementerar ergonomiska operationer för bekväm bearbetning av rumslig omikdata", säger Marconato.
Verktyget gör det möjligt för alla forskare att importera sina data och utföra uppgifter som datarepresentation, bearbetning och visualisering. Dessutom ger det möjlighet att interaktivt kommentera data och spara dem i ett språkagnostiskt format, vilket underlättar framväxten av analysstrategier som kombinerar metoder från olika programmeringsspråk eller analysgemenskaper.
Ramverket har utvecklats som ett samarbetsprojekt mellan flera institutioner som DKFZ, Münchens tekniska universitet, Helmholtz Center München, German BioImaging, ETH Zürich, VIB Center for Inflammation Research i Belgien, samt Huber och Saka grupper på EMBL.
"Vi har genomfört vår forskning och tekniska utveckling för att hålla nyttan för det större vetenskapssamhället i åtanke", säger Giovanni Palla, medförfattare och Ph.D. student vid Helmholtz Center Munich.
"Vi etablerade inte bara ett tvärvetenskapligt samarbetsprojekt mellan forskningsinstitut utan arbetade också nära utvecklare som arbetade med olika rumsliga teknologier och på olika programmeringsspråk för att ta itu med problemet med interoperabilitet. Som ett resultat är vårt ramverk kompatibelt med de allra flesta rumsliga omics analyser från akademi och industri.
"Eftersom de publiceras öppet kan andra forskare nu fritt använda SpatialData för att hantera sin egen data och ha möjlighet att samarbeta över olika teknologier och forskningsämnen."
"I vår artikel illustrerar vi tre viktiga egenskaper hos SpatialData", förklarade Kevin Yamauchi, medförfattare och postdoktor vid ETH Zürich.
"Först presenterar vi ett standardiserat gränssnitt och enhetligt lagringsformat (baserat på OME-NGFF) för alla rumsliga omics-teknologier. För det andra, med hjälp av den enhetliga representationen, integrerar vi signaler från flera modaliteter. Här överför vi annoteringar över modaliteter och kvantifierar signaler med hjälp av dessa överförda kommentarer. Slutligen presenterar vi ett sätt att interaktivt kommentera (patologiska) bilder och använda kommentarerna för att analysera de associerade molekylära profilerna."
SpatialData tillhandahåller en interaktiv representation av data, både på din hårddisk och din dators RAM, vilket möjliggör analys av stora bilddata eller flera geometrier eller celler.
Andra framträdande nyckelfunktioner är ramverkets förmåga att anpassa och kommentera omicsdata i ett gemensamt koordinatsystem. Således möjliggör SpatialData effektiv hantering och manipulering av rumsliga datamängder, inklusive definitionen av ett gemensamt koordinatsystem över sekvenserings- och bildbehandlingsbaserade teknologier.
Det tvärvetenskapliga teamet använde SpatialData-ramverket för att analysera en multimodal bröstcancerdataset från 10X Genomics som ett bevis på konceptet. Denna datauppsättning består av på varandra följande sektioner av samma bröstcancerblock, där varje sektion analyseras med olika teknologier, som Visium, Xenium och en separat scRNA-seq-datauppsättning.
Studien visar att dessa teknologier kompletterar varandra. "Genom att integrera 10X Xenium och scRNAseq, kartlade vi celltyperna i rymden", säger Elyas Heidari, en Ph.D. kandidat vid DKFZ och en av författarna till studien.
"Närnäst använde vi 10X Visium för att identifiera cancerkloner i rymden. Detta kan göras eftersom vi har transkriptomomfattande avläsningar. Slutligen använde vi H&E-färgade mikroskopibilder för att identifiera regioner av intresse för histopatologiska kommentarer. Denna analys visade framgångsrikt upp en unik tillämpning av SpatialData för att låsa upp multimodala analyser av rumsligt lösta datamängder."
I framtiden kan en patients tumör analyseras med olika tekniker som vanligtvis används på kliniken, med data som sedan förenas av SpatialData för att få en holistisk förståelse av tumören. Dessutom skulle det interaktiva gränssnittet tillåta läkaren att kommentera data, vilket möjliggör detaljerad analys av specifika tumörregioner och egenskaper, vilket potentiellt leder till personliga behandlingsmetoder.
Mer information: Luca Marconato et al, SpatialData:ett öppet och universellt dataramverk för rumslig omik, Naturmetoder (2024). DOI:10.1038/s41592-024-02212-x
Journalinformation: Naturmetoder
Tillhandahålls av European Molecular Biology Laboratory
