导语
空间转录组最诱人的地方,是把“表达量”和“位置”绑在一起:不用把组织打碎,就能看到某个基因在肿瘤巢边缘高、在中心低。但当一张切片被几十万条转录本覆盖之后,分析者立刻遇到一个非常朴素的问题——这些点属于哪个细胞?不回答这个问题,就无法计算细胞类型比例,也无法讨论“谁挨着谁”。于是有了细胞分割:用核染色的形态学图像划定边界,再把这范围内的转录本归给这个细胞。这一步看似只是图像处理,实际上它是整条分析链的地基。地基偏一点,上面每一层都在偏。
一、分割做的是“归属”,不是“识别”
要理解分割的难度,先要理解它的任务。显微镜图像给的是像素亮度,测序给的是带坐标的转录本点云,分割要做的,是把点云按像素划出的边界分组,让每条转录本找到一个主人。
这里有三重不确定性叠加。第一,细胞不是圆。肿瘤细胞、成纤维细胞、巨噬细胞的形态差别很大,同一个核在不同切片厚度下的投影也不同。第二,信号会扩散。转录本在组织中的位置有光学定位误差,mRNA 也有可能已经离开了它被转录的细胞——旁分泌信号、胞外囊泡、组织处理造成的扩散,都会让“点在这里”不等于“属于这里”。第三,边界本身可能不存在。在致密上皮或淋巴组织里,相邻细胞的膜贴在一起,明场或荧光图像上根本看不到清晰的界线。
二、三条路线,各自把赌注押在不同假设上
目前主流做法可以归成三类,每一类的隐含假设都不一样。
第一类是核扩张法。先分割细胞核(这一步通常比分割整个细胞可靠得多),然后按一个固定半径向外扩张,把扩张区域当作细胞边界。商用平台在默认流程里就采用这个思路,10x Genomics 的 Xenium 分析流程中,核外扩的默认值设为 15 微米量级。它简单、可复现、对核染色的质量要求不高,但假设是“所有细胞的胞质向外延伸的距离差不多”——对淋巴细胞成立,对铺展的巨噬细胞或体积巨大的心肌细胞就不成立。
第二类是图像分割模型。用深度学习在膜染色或联合染色上分割整个细胞,常见工具包括 Cellpose、StarDist 这一类通用模型,很多平台也提供配套的形态学标记抗体组合,让膜轮廓可见。这条路在原理上更接近真实边界,代价是依赖额外的染色通道、依赖模型与组织类型的匹配,而且不同切片之间的一致性需要额外评估。
第三类是基于转录本邻域的分割。Baysor 是这一类方法的代表(2022 年发表于《Nature Biotechnology》),它不依赖图像,而是假设同一细胞内的转录本在空间上更密集、在分子组成上更相似,用概率模型把点云切成一个个“分子上自洽”的团块。它与图像分割互补:一个看形态,一个看分子。实践中效果最好的方案,往往是把两者结合,用图像边界作为先验、用分子信息做修正。
还有一条“绕开”的路径值得一提。既然分割这么难,那就干脆不分:把切片切成固定大小的方格,按格统计表达。Visium HD 提供的 2 微米、8 微米、16 微米分箱,以及各类平台的 bin 级输出,本质上是用分辨率换掉分割误差。代价是每个格子里的信号是混合的,单细胞层面的结论要另想办法。
三、致密组织最吃亏,而致密组织往往最重要
分割误差的分布并不随机,它高度依赖组织结构。
在细胞稀疏的区域(水肿区、坏死周边、脂肪组织),核扩张法表现不差,因为细胞之间本来就有空隙。但在肿瘤实质、生发中心、肠道隐窝、胰岛这类细胞紧密排列的区域,核与核之间只隔几微米,固定半径的扩张必然越界,把邻居的转录本吞进来。这种错误有个特点:它不会让细胞消失,而是让每个细胞都“变脏”——表达谱里混进邻居的特征基因。
免疫微环境研究恰恰最爱看这些区域。肿瘤巢与间质的交界、三级淋巴结构的形成、T 细胞与抗原呈递细胞是否真的接触,这些问题的答案都落在几十微米尺度上,而这个尺度正好是分割最容易出错的尺度。
另一类系统性偏差来自细胞大小与类型相关。浆细胞、神经元、巨噬细胞的胞质范围远大于静息淋巴细胞;如果统一用固定扩张半径,大细胞的转录本会被截断丢失,小细胞的区域会被污染。结果是细胞类型比例向“小细胞”倾斜,而差异表达向“高表达基因”倾斜——因为丢的是低丰度转录本。
四、误差会沿着分析链放大,而不是被平均掉
单看一个细胞,归属错几条转录本似乎无关紧要。但下游分析会把这些小误差累积成结论级的偏差。
差异表达是最先受影响的。如果 A 细胞的区域里混入了 20% 的 B 细胞转录本,A 的“特征基因”就会包含 B 的标记,聚类时两类细胞可能被拉到一起,或者出现一个看起来“双阳性”的中间群——很多研究报告的所谓过渡态细胞,有一部分可能只是分割的产物。
细胞邻域与配体受体分析受影响更结构性。邻域富集分析统计的是“谁和谁挨着”,一旦边界外扩,所有细胞的有效半径都变大,接触概率整体上升,本来稀疏的相互作用被系统性地“创造”出来。这类错误不会随机抵消,因为方向是一致的。
空间梯度的方向也可能被改写。如果一个基因在肿瘤中心高表达、边缘低表达,而中心区域细胞更致密、分割更易越界,那么中心细胞的表达谱被邻居稀释的程度就更严重,梯度会被压平甚至反转。此时你看到的“空间模式”,可能是分割偏差的空间模式。
五、要点:把分割参数当成结果的一部分来报告
- 报告里必须写清分割方案:核扩张半径是多少、用了哪些形态学标记、用的哪个模型版本、是否做了人工校正。
- 做敏感性分析:把扩张半径上下调整一档(例如 10 微米与 20 微米),看关键结论是否稳定;结论只在某一个半径下成立,就不能称为发现。
- 用正交信息交叉验证:把图像分割结果与转录本邻域分割结果比对,两者一致性低的区域单独标注,不要混进总体统计。
- 对致密区域降级解读:肿瘤实质、生发中心内部的单细胞结论,应明确标注置信度;必要时用 bin 级或邻域级分析作为补充证据。
- 公开数据时要给坐标与分割掩膜:没有掩膜,别人无法复现你的细胞边界,也就无法复核你的结论。
参考资料
- Petukhov V, Xu RJ, Soldatov RA, 等. Cell segmentation in imaging-based spatial transcriptomics. Nature Biotechnology, 2022(Baysor 方法),https://www.nature.com/nbt/
- Stringer C, Wang T, Michaelos M, Pachitariu M. Cellpose: a generalist algorithm for cellular segmentation. Nature Methods, 2021
- Schmidt U, Weigert M, Broaddus C, Myers G. Cell Detection with Star-convex Polygons(StarDist). MICCAI, 2018
- 10x Genomics Xenium 数据分析流程文档(核扩张参数与输出说明),https://www.10xgenomics.com/
- 10x Genomics Visium HD 分箱方案技术说明,2024 年,https://www.10xgenomics.com/
本文讨论方法学共性,不针对任何特定平台的产品性能作出评价。