一种基于相似性图推断的面向VisiumHD数据的细胞重建系统及其重建方法

本发明涉及生物信息学，更具体的是，本发明涉及一种基于相似性图推断的面向visium hd数据的细胞重建系统及其重建方法。

背景技术：

1、visium hd 将组织切片上的转录组信号投影到规则的高分辨率空间网格中，每个空间bin可以视作一个2微米×2微米的表达采样单位，但这种数据结构本质上仍是bin级别，而不是细胞级别，传统8微米 bin 分析（10x官方建议的单细胞分析分辨率）容易混合多个细胞或只覆盖细胞局部区域，难以获得真正的细胞级别的表达矩阵，要开展细胞类型注释、空间邻域分析、细胞通信分析、肿瘤微环境解析等下游任务，通常需要先将多个bin合并成具有生物学意义的细胞实例。

2、在实际组织切片中，完整细胞边界往往无法直接观察。h&e图像能够提供核形态和部分组织结构信息，但通常不能像膜染色那样清晰显示细胞外轮廓。因此，在visium hd中实现细胞重建，核心问题不是传统意义上的图像分割，而是如何从核种子（seed）、空间邻接关系、bin 级别的分子表达相似性中推断每个bin的细胞归属。

3、现有研究中关于细胞重建的方法主要包括：

4、第一类：细胞核扩张方法，例如 bin2cell、enact，这类方法先在h&e图像中检测细胞核，再利用核作为中心，通过固定半径、形态膨胀或空间邻近规则来生成细胞级区域。

5、第二类：高分辨率空间转录组细胞分割方法，例如 scs、stp、smurf，这些方法尝试从高分辨率空间转录组数据中重建细胞边界。

6、但第一类方法中固定核扩张缺乏分子依据，bin2cell、enact 主要依赖空间距离或形态规则，无法判断某个 bin 与相邻 bin 在转录组层面是否属于同一个细胞，对于肿瘤组织、脑组织等形态复杂区域，固定扩张很容易导致边界错误，已有方法通常将细胞重建当作后处理，而不是图上的边推断问题，往往先获得核或粗分割，再用规则扩张、最近邻或转录组分配进行补充，缺乏对相邻 bin 同细胞概率的显式学习，仅以细胞核为中心进行固定半径扩张，容易出现过度扩张、扩张不足或相邻细胞合并的问题；第二类方法中scs方法依赖于高置信度的背景信息，stp在visium hd数据中分割效果不够好，smurf依赖初始聚类质量，上述方法多依赖几何距离、核扩张或图像分割结果，而没有充分利用 visium hd bin级别的空间转录组信号本身所包含的细胞内相似性和细胞间差异性。

7、visium hd 数据具有高空间分辨率、大规模 bin 数量和边数巨大的特点，在实际样本中往往包含大量空间节点和邻接边，现有方法缺乏适用于 visium hd 规则 bin 网格的可扩展图学习流程，而且如果没有局部子图采样和边级监督策略，直接进行全图训练计算量较高，另外，表达矩阵编码、局部图构建、图神经网络边预测以及最小生成森林细胞重建均涉及大量矩阵运算、图遍历和边级推断，具有较高计算量，现有方法多以通用软件流程实现，缺乏针对规则 bin 网格、局部子图采样、边级推断和种子约束图重建的异构计算加速设计，如果仅依赖通用 cpu 串行执行，虽然可以完成离线分析，但对于大规模样本、多切片批量处理或临床病理空间组学分析场景，容易出现计算耗时长、内存占用高、数据传输效率低、难以批量处理大规模样本等问题。因此，如何在保证细胞重建准确性的同时，构建适合 visium hd 数据特点的异构计算执行系统及方法，实现表达编码、图边推断和细胞实例重建的加速，是本发明要解决的技术问题。

技术实现思路

1、本发明的目的是设计开发了一种基于相似性图推断的面向visium hd数据的细胞重建系统，基于深度学习推理加速模块和图构建加速模块的芯片化，提高系统集成度和数据处理效率。

2、本发明还设计开发了一种基于相似性图推断的面向visium hd数据的细胞重建方法，仅以h&e 图像核分割结果作为初始核种子，结合空间转录组和边概率，提高精确度和适用性。

3、本发明提供的技术方案为：

4、一种基于相似性图推断的面向visium hd数据的细胞重建系统，包括：

5、存储单元，其与上位机相连接，用于存储空间转录组数据、中间数据及最终细胞实例结果；以及

6、异构计算加速单元，其与所述存储单元相连接，用于提供硬件支持及执行空间转录组编码模型、图神经网络边预测模型；

7、细胞重建处理单元，其与所述存储单元和异构计算加速单元相连接，用于对空间转录组数据进行处理及重建，并生成最终细胞实例结果。

8、优选的是，所述存储单元包括：

9、片上缓存、dram或固态硬盘。

10、优选的是，所述异构计算加速单元包括：

11、主控处理器，其与存储单元相连接，用于任务调度、数据读写控制和模块间通信；

12、图构建加速模块，其与主控处理器相连接，用于空间图构建、边代价计算和细胞重建；

13、深度学习推理加速模块，其与主控处理器相连接，用于承载空间转录组编码模型和图神经网络边预测模型。

14、优选的是，所述细胞重建处理单元包括：

15、预处理模块，其与所述存储单元相连接，用于对空间转录组数据进行去零处理、交集匹配和重新排列；

16、核种子初始化模块，其与所述存储单元和预处理模块相连接，用于确定核种子标签；

17、表达编码模块，其与所述预处理模块相连接，用于提取空间转录组数据中的低维转录组特征；

18、空间图构建模块，其与所述预处理模块相连接，用于构建空间图；

19、边标签构建模块，其与所述核种子初始化模块和空间图构建模块相连接，用于确定相邻bin之间边的监督标签；

20、图神经网络边预测模块，其与所述表达编码模块、空间图构建模块和边标签构建模块相连接，用于获取相邻bin之间边属于同细胞边的概率；

21、种子约束细胞重建模块，其与所述核种子初始化模块和图神经网络边预测模块相连接，用于边代价的计算和重建细胞的构建；

22、细胞级表达矩阵输出模块，其与所述预处理模块和种子约束细胞重建模块相连接，用于数据的整合、汇总和输出；

23、其中，所述预处理模块、核种子初始化模块、边标签构建模块和细胞级表达矩阵输出模块主要由主控处理器执行；表达编码模块和图神经网络边预测模块主要由深度学习推理加速模块执行；空间图构建模块以及种子约束细胞重建模块主要由图构建加速模块执行。

24、一种基于相似性图推断的面向visium hd数据的细胞重建方法，使用所述的基于相似性图推断的面向visium hd数据的细胞重建系统，包括如下步骤：

25、步骤一、采集空间转录组数据，并对空间转录组数据进行预处理；

26、步骤二、以预处理后的中间矩阵中的每个 visium hd bin 作为图节点，根据每个bin的低维转录组表示作为节点特征，构建空间图；

27、步骤三、根据空间图执行图神经网络模型，结合mlp分类器确定相邻bin属于同细胞的概率；

28、步骤四、根据相邻bin属于同细胞的概率和核种子标签数组，进行种子约束的基于最小生成森林的细胞重建，获得细胞级基因表达矩阵或单细胞级空间转录组表达矩阵、细胞空间坐标、面积和细胞实例标签。

29、优选的是，所述空间转录组数据包括：

30、visium hd 的 bin 级别基因表达矩阵、空间坐标文件、组织图像及其配准信息文件；

31、所述预处理具体包括：

32、步骤1、将visium hd 的 bin 级别基因表达矩阵转换为csr格式；

33、步骤2、进行去零操作；

34、步骤3、将经过筛选的空间位置的条形码与表达矩阵进行严格对齐。

35、优选的是，所述每个bin的低维转录组通过单细胞大语言模型获得；

36、所述图神经网络模型的输入为低维转录组特征、空间图、邻接边列表，输出为每个bin 的上下文增强表示；

37、根据图神经网络输出的每个 bin 的上下文增强表示确定每条相邻边的边特征，再将边特征输入mlp分类器中，获得该边为同细胞边的概率。

38、优选的是，所述空间图的构建包括：

39、将预处理后的中间矩阵中每个 visium hd bin 作为图节点，根据 bin 的规则空间坐标建立邻接边，采用八邻域图、四邻域、knn或半径邻接图，获得构建完成的空间图。

40、优选的是，所述邻接边列表根据核种子标签数组和空间图确定；

41、所述核种子标签数组的获得过程为：

42、步骤a、对组织图像使用核分割工具检测细胞核，获得核掩码；

43、步骤b、将预处理后的bin的空间坐标和核掩码对齐，对于每个 bin，以其中心点为中心构建像素区域，并统计像素区域内各核实例标签的像素占比；

44、步骤c、以核实例标签的像素占比超过阈值的核种子赋予对应bin，否则该 bin 暂不分配核种子，将核实例标签映射至visium hd bin 坐标，生成核种子标签数组；

45、所述邻接边列表的获取满足：

46、对于两个相邻 bin，若二者均已被分配到核种子且属于同一核种子，则该边标记为正样本，二者属于不同核种子，则该边标记为负样本，根据样本和对应的两个相邻 bin构建邻接边列表。

47、优选的是，所述种子约束的基于最小生成森林的细胞重建包括如下步骤：

48、步骤ⅰ、将边预测概率转换为边代价：

49、；

50、式中，为边代价，为相邻bin属于同细胞的概率；

51、步骤ⅱ、对满足约束条件的候选边按照边代价由低到高排序，采用并查集依次处理排序后的候选边，按照种子约束的最小生成森林判断细胞合并顺序和是否执行细胞合并，直至所有候选边处理完成，每个连接至同一核种子的连通分量构成的连通区域为一个重建细胞实例，并被赋予唯一的细胞实例标签，未连接至任何核种子的孤立连通分量不作为有效细胞实例输出；

52、所述约束条件为：

53、1）不允许两个包含不同核种子的连通分量合并；

54、2）只允许在同一 voronoi seed 区域内扩展；

55、3）只保留预测边概率高于阈值的边；

56、4）对每个核种子不超过最大扩张半径。

57、本发明所述的有益效果：

58、（1）、本发明设计开发的一种基于相似性图推断的面向visium hd数据的细胞重建系统，将表达编码和图神经网络边预测部署于深度学习推理加速芯片，将规则网格邻接图构建、边代价计算和种子约束图优化部署于 fpga 或等价图计算加速模块，能够提高大规模 visium hd 数据处理效率，提供可部署于空间组学分析工作站、服务器或专用分析设备的系统结构，便于批量样本处理、临床病理空间组学分析和自动化数据生产，提高系统集成度，提供了一种在同一系统中协同执行“表达编码—空间图构建—边概率预测—种子约束最小生成森林—细胞级表达矩阵输出”的硬件流水化流程。

59、（2）、本发明设计开发的基于相似性图推断的面向visium hd数据的细胞重建方法，相比bin2cell与enact，本发明不是简单按照核周围距离扩张，而是学习相邻 bin 在表达空间和局部图结构中的同细胞概率，将visium hd bin 级空间转录组数据转化为细胞级实例和细胞级表达矩阵，避免纯几何扩张；节点特征来自 bin-level 空间转录组编码，保留分子状态相似性，使细胞边界更符合转录组一致性，充分利用 visium hd 自身的空间转录组信号；以 h&e 图像核分割结果作为初始 seed，不直接以固定核扩张决定细胞边界，对h&e 图像依赖较低，因此在图像质量不佳、细胞膜不清晰或染色差异较大的情况下仍可使用；本方法适配 visium hd 的规则2微米 bin 网格，可以通过局部子图采样处理大规模数据，也可将本方法用于其他能由h&e图像识别出细胞核的空间转录组测序数据，具有可扩展性；由于同一细胞内部 bin 经过图推断后再汇总，生成的单细胞级别表达矩阵相比8微米bin （10x官方推荐的单细胞分析表达矩阵）或固定扩张方法更具有细胞一致性，因此下游表达矩阵更可靠。