一种基于生成式模型的空间转录组切片自适应对齐方法

本发明涉及生物学，尤其涉及一种基于生成式模型的空间转录组切片自适应对齐方法。

背景技术：

1、空间转录组学（spatialtranscriptomics,st）作为单细胞rna测序（single cellrna sequencing, scrna-seq）的延伸技术，不仅提供了基因表达的空间定位信息，还能构建组织的细胞空间图谱，有助于深入研究细胞间的相互作用与异质性，并揭示传统测序方法难以捕捉的复杂生物过程。st技术通过结合成像、生物标记、测序和生物信息学方法，实现对组织切片基因表达的空间定位，揭示细胞类型的空间分布、细胞群体间的交互作用，并绘制不同组织区域的基因表达图谱。 这对于深入理解疾病进展及肿瘤等病理过程具有重要价值。

2、目前，空间转录组学主要依赖两类策略来解析组织中的基因表达模式：基于下一代测序（ngs）的方法和基于成像的方法。ngs策略通过空间条形码（spatial barcode）记录mrna的空间位置信息，使测序数据能够精确映射至组织的特定区域，代表性技术包括slide-seq和visium。相比之下，基于成像的方法依赖原位测序（iss）或原位杂交（ish）技术，通过荧光探针或信号扩增直接在组织切片中检测基因表达，以单细胞甚至亚细胞分辨率解析空间信息，其中典型技术包括merfish和seqfish+. 随着技术的不断发展，st技术已广泛应用于肿瘤生物学、神经生物学等多个研究领域。

3、在空间转录组学数据分析中，跨切片对齐是一个关键挑战。尽管st数据在相邻切片间提供了空间连续性，仅依赖基因表达信息进行整合往往难以确保精准对齐。因此，结合基因表达与空间信息的综合分析对于提高多切片数据的解析能力、揭示组织异质性及其功能至关重要。精准的数据对齐能够有效校正解剖偏差，确保相同生物结构在不同切片间的一致性。特别在三维重建面对大量的切片数据时，切片间可能会需要不同类型的对齐，只针对特定对齐情况的模型会导致效果不佳。

4、在切片对齐过程中，切片之间通常存在刚性变化、部分缺失及非刚性变化三类问题。刚性变化源于切片制备过程中被放置于载玻片上的位置和角度不一致，导致切片整体发生平移或旋转；部分缺失则可能由组织切片转移过程中的物理撕裂、褶皱，或切片间细胞类型组成的差异（如肿瘤微环境异质性）引起，致使切片局部区域丢失、撕裂、折叠或未被探针有效捕获；非刚性变化主要产生于样本制备环节，切片在固定、脱水过程中可能发生不均匀收缩或变形，同时在切片过程中，刀片切割软组织时会引入拉扯和挤压，导致切片内部发生局部拉伸、压缩及扭曲等弹性形变。

5、然而，现有切片对齐方法在处理非刚性形变时难以实现精确拟合，且无法自适应处理不同形变场景下的对齐任务，通常需要用户根据经验手动选择对齐模式，严重制约了数据处理效率和通用性。

技术实现思路

1、本发明提供一种于生成式模型的空间转录组切片自适应对齐方法，用以解决现有技术中对于切片发生非刚性形变不能进行较好的拟合，传统方法不能自适应对齐不同的切片形变场景以及需用户自主选择对齐的模式的问题。

2、一种基于生成式模型的空间转录组切片自适应对齐方法，包括如下步骤：

3、s1:获取待对齐的切片a、目标切片b的空间转录组原始数据；所述原始数据包括各细胞/空间捕获单元的空间坐标、基因表达向量；

4、s2:将所述空间转录组原始数据经过预处理后，通过互knn筛选得到切片a与切片b之间的候选细胞匹配对；

5、s3:基于所述候选细胞匹配，完成切片a与目标切片b的粗对齐；

6、s4: 构建基于生成式模型、自适应对齐不同场景下的初始生成式概率模型;

7、s5:将粗对齐后的切片a、目标切片b数据输入所述初始生成式概率模型，通过最大化后验概率对初始生成式概率模型迭代优化，得到优化后的生成式概率模型;

8、s6:基于优化后的生成式概率模型，完整切片a、目标切片b的最终对齐。

9、根据如上所述的基于生成式模型的空间转录组切片自适应对齐方法，步骤s4中所述初始生成式概率模型如下：

10、

11、

12、

13、

14、其中，表示目标切片b中第n个细胞/空间捕获单元对的生成概率，表示重叠点的概率，表示非重叠点的分布，表示目标切片b中的第n个细胞/空间捕获单元与切片a中的第m个细胞/空间捕获单元对齐在基因表达信息层面的概率,表示目标切片b中的第n个细胞/空间捕获单元与切片a中的第m个细胞/空间捕获单元对齐在空间位置信息层面的概率，表示当前迭代中目标切片b中的第n个细胞/空间捕获单元与切片a中的第m个细胞/空间捕获单元对齐的概率;表示目标切片b中的第n个细胞/空间捕获单元的空间信息，表示目标切片b中第n个细胞/空间捕获单元的基因信息，表示目标切片b中第n个细胞/空间捕获单元是否是重叠点，表示目标切片b中第n个细胞/空间捕获单元是否参与对齐，表示切片a中所有细胞/空间捕获单元的空间位置信息，表示切片a中所有细胞/空间捕获单元的基因表达信息；是选用正态分布计算空间位置误差中正态分布的方差，表示是重叠点的概率;

15、表示切片a中的第m个细胞/空间捕获单元先经过经过刚性变化再经过非刚性变化后的位置信息;表示对切片a中的第m个细胞/空间捕获单元进行刚性变化，r表示旋转矩阵，t表示位移矩阵，表示对切片a中第m个经过刚性变化后的细胞/空间捕获单元进行非刚性变化，表示均值为，协方差为的高斯过程。

16、根据如上所述的基于生成式模型的空间转录组切片自适应对齐方法，所述步骤s5包括：

17、s51:构建目标切片b整体与切片a对齐的后验概率：

18、

19、其中，表示隐变量集合，具体包含：旋转矩阵

r、位移矩阵

t、高斯过程参数、重叠指示变量、辅助变量、重叠概率、方差；

20、表示切片a，表示切片b；表示在切片a已知的条件下，隐变量集合的先验;表示在切片a和隐变量已知的条件下，切片b的似然;

21、s52: 对上述后验概率两边同时取对数，并同时引入变分分布来近似真实后验分布，得到下式：

22、

23、s53: 对上式右边对进行积分，得到下式：

24、

25、其中，为证据下界lebo，为kl散度计算公式，用于度量变分分布与真实后验分布之间的相似性；

26、s54: 利用上式将原后验最大化问题等价转化为最大化 elbo 目标优化问题：

27、

28、s55：根据平均场理论以及坐标块下降法迭代更新变分分布，直到elbo达到最大时,得到最优隐变量；根据所述最优隐变量，得到优化后的生成式概率模型。

29、根据如上所述的基于生成式模型的空间转录组切片自适应对齐方法，所述s2包括：

30、将目标切片b中的每一个细胞/空间捕获单元与切片a中的细胞/空间捕获单元依次进行皮尔逊相关系数值计算，将皮尔逊相关系数值按照升幂排序，取前k个与切片a中的细胞/空间捕获单元得到na个细胞/空间捕获单元对;

31、将切片a中的每一个细胞/空间捕获单元与目标切片b中的细胞/空间捕获单元依次进行皮尔逊相关系数值计算，将皮尔逊相关系数值按照升幂排序，取前k个与目标切片b中的细胞/空间捕获单元得到nb个细胞/空间捕获单元对;

32、将所述na个细胞/空间捕获单元对和nb个细胞/空间捕获单元对合并,得到候选细胞匹配对。

33、根据如上所述的基于生成式模型的空间转录组切片自适应对齐方法，所述s3包括：

34、基于所述候选细胞匹配对构建最小二乘模型，求解全局最优的旋转矩阵与位移矩阵,并基于所述旋转矩阵与位移矩阵，完成切片a与目标切片b的粗对齐；

35、所述最小二乘模型如下：

36、

37、其中，r表示旋转矩阵，t表示位移矩阵，n表示候选细胞匹配对的数量，表示候选细胞匹配对中属于切片a的细胞，表示候选细胞匹配对中中的属于目标切片b的的细胞，表示候选细胞匹配对的权重。

38、根据如上所述的基于生成式模型的空间转录组切片自适应对齐方法，所述s3还包括：

39、基于所述候选细胞匹配对构建最小二乘模型，得到全局最优的旋转矩阵与位移矩阵；

40、基于所述旋转矩阵与位移矩阵,将切片a、目标切片b进行初始粗对齐；

41、计算初始粗对齐后两切片之间的对齐误差，如果对齐误差在预设误差范围内，则完成切片a与目标切片b的最终粗对齐；如果对齐误差在预设误差范围外，则先对切片a进行翻转，从而完成切片a与目标切片b的最终粗对齐。

42、本发明与现有技术相比，具有如下优点：

43、第一，本发明在寻找cell/spots对时采用互knn的方法，克服了现有技术用断点检测、匈牙利算法得到cell/spots对，对选取cell/spots对十分敏感的缺陷，使得本发明对cell/spots对的误匹配较为鲁棒。

44、第二，本发明在对非刚性变化拟合时采用高斯过程先验，克服了现有技术中进行简单加权，对齐后的cell/spots发生突变以及形变不连续的不足，使得本发明可以较为平滑的拟合非刚性形变。

45、第三，本发明将对齐过程转化为生成过程，并对生成过程进行显示建模，将cell/spots之间的对应关系以及对切片物理上的对齐统一到一个框架中，克服了现有技术对空间信息利用不充分的不足，使得本发明最终能够自适应对齐刚性形变，部分缺失以及非刚性形变场景。