Métrica Riemanniana para la Alineación de Datos Espaciales Multiómicos

Área de la Ciencia:

• Biología Computacional
• Bioinformática
• Ómicas Espaciales

Sus antecedentes:

• Las tecnologías espaciales ahora perfilan múltiples capas moleculares (por ejemplo, transcriptoma, epigenoma, proteoma) dentro de muestras de tejido individuales.
• La integración de estos diversos conjuntos de datos espaciales presenta un desafío significativo debido a los espacios de características heterogéneos.
• Los métodos existentes a menudo luchan por alinear modalidades arbitrarias mientras preservan tanto la información espacial como la de características.

Objetivo del estudio:

• Desarrollar un marco robusto para alinear datos espaciales multiómicos entre diferentes modalidades.
• Abordar las limitaciones de las técnicas actuales en la integración de espacios de características espaciales heterogéneos.
• Permitir un análisis más completo de la arquitectura tisular y las interacciones celulares.

Principales métodos:

• Introducción de Manifold Gromov-Wasserstein (MGW), un marco de aprendizaje de métricas.
• Explotación de la estructura del producto de los datos espaciales multiómicos.
• Inferencia de métricas de retroceso Riemanniano específicas de la modalidad utilizando campos neuronales.
• Alineación de distancias Riemannianas a través del transporte óptimo de Gromov-Wasserstein para un costo libre de hiperparámetros.

Principales resultados:

• MGW alinea con éxito datos espaciales de diversas modalidades, incluyendo transcriptómica, metabolómica e imágenes.
• Demostró eficacia en múltiples conjuntos de datos: transcriptómica espaciotemporal de embriones de ratón, transcriptómica espacial de cáncer colorrectal y multiómicos espaciales de tejido humano.
• MGW recupera correspondencias biológicamente significativas y estructuras tisulares espacialmente coherentes.

Conclusiones:

• MGW proporciona un enfoque potente y flexible para la integración de datos espaciales multiómicos.
• El marco supera a los métodos existentes basados en transporte óptimo (OT) y no OT para la alineación espacial multimodal.
• MGW facilita una comprensión más profunda de la organización tisular y la heterogeneidad celular en diferentes contextos biológicos.