去卷积与细胞映射

快速概览

空间去卷积（deconvolution）的数学模型、算法实现与单细胞参考整合策略

所属板块 分析方向与案例

把基础对象与算法方法重新放回真实分析任务与工作流。

阅读目标 帮助建立阅读上下文

先判断这页与你当前问题的关系，再决定是否深入展开。

建议前置 先建立相关基础对象与方法直觉

建议先建立相关基础对象与方法直觉，再进入本页。

是什么

空间去卷积（Spatial Deconvolution） 是一类将空间转录组 spot 的混合表达信号分解为各细胞类型贡献比例的计算方法。由于大多数空间平台（如 10x Visium）的一个 spot 包含多个细胞，直接读取的表达值是这些细胞表达谱的加权平均。去卷积的目标是利用单细胞 RNA-seq（scRNA-seq）提供的参考图谱，反推每个 spot 中各细胞类型的组成比例。

前置知识

• 空间转录组总览
• spot 与单细胞
• 单细胞组学

要解决什么生物信息学问题

问题背景

在肿瘤微环境、胚胎发育、神经组织等研究中，我们常遇到以下场景：

• 观察到某个空间区域高表达免疫相关基因，但无法确定是哪种免疫细胞富集
• 肿瘤-正常边界区域的 spot 同时表达肿瘤和基质 marker，难以定性注释
• 需要量化不同细胞类型在空间上的共定位模式

形式化问题定义

输入：

• 空间转录组数据：$Y \in \mathbb{R}^{G \times S}$，基因 × spot 的表达矩阵
• scRNA-seq 参考：细胞类型 $k$ 的参考表达谱 $\mu_k \in \mathbb{R}^G$

输出：

• 细胞类型比例矩阵：$W \in \mathbb{R}^{K \times S}$，其中 $W_{k,s}$ 表示细胞类型 $k$ 在 spot $s$ 中的比例

约束：

• $\sum_{k=1}^K W_{k,s} = 1$（每个 spot 的比例之和为 1）
• $W_{k,s} \geq 0$（比例非负）

核心思想与数学模型

线性混合模型

最基本的去卷积假设是 spot 表达为各细胞类型表达的线性组合：

$$y_{s} = \sum_{k=1}^K w_{k,s} \cdot \mu_k + \epsilon_s$$

其中：

• $y_s \in \mathbb{R}^G$：spot $s$ 的观测表达向量
• $\mu_k \in \mathbb{R}^G$：细胞类型 $k$ 的参考表达谱
• $w_{k,s} \in [0, 1]$：细胞类型 $k$ 在 spot $s$ 中的比例
• $\epsilon_s$：噪声项（通常假设为高斯或泊松分布）

矩阵形式：

$$Y = M \cdot W + E$$

其中 $M \in \mathbb{R}^{G \times K}$ 为参考表达矩阵，$W \in \mathbb{R}^{K \times S}$ 为待求比例矩阵。

统计模型扩展

不同工具在基础线性模型上引入不同扩展：

工具	核心模型	关键扩展
SPOTlight	NMF + 约束	非负矩阵分解，加入互斥约束
RCTD	泊松模型 + EM	显式建模平台效应、捕获效率差异
cell2location	贝叶斯层次模型	建模 spot 特异的总 mRNA 丰度，支持多切片
Tangram	深度学习映射	学习 scRNA-seq 到空间的最优映射函数

cell2location 的生成模型示例

cell2location 使用以下生成过程：

$$w_{k,s} \sim \text{Gamma}(\alpha_k, \beta_k) \quad \text{(细胞类型先验)}$$ $$\lambda_{g,s} = \sum_{k} w_{k,s} \cdot \mu_{g,k} \cdot \gamma_s \quad \text{(期望表达)}$$ $$y_{g,s} \sim \text{Poisson}(\lambda_{g,s}) \quad \text{(观测似然)}$$

其中 $\gamma_s$ 是 spot 特异的总 mRNA 丰度（反映细胞密度差异）。

关键算法与实现

1. 非负最小二乘法（NNLS）

最简单的实现方式：

$$\min_{w} \|y - Mw\|_2^2 \quad \text{s.t.} \quad w \geq 0, \sum w = 1$$

优点：简单、快速、可解释 缺点：忽略技术噪声、基因间相关性

2. 期望最大化（EM）算法

RCTD 使用 EM 算法估计参数：

E-step：给定当前参数，计算隐变量的后验分布

$$P(z_{c} = k | y_s, \theta^{(t)}) \propto w_k^{(t)} \cdot \text{Poisson}(y_c | \mu_k)$$

M-step：最大化期望对数似然，更新参数

$$w_k^{(t+1)} = \frac{1}{C_s} \sum_{c} P(z_c = k | y_s, \theta^{(t)})$$

3. 变分推断

cell2location 使用变分推断近似后验分布：

• 引入变分分布 $q(w_s)$ 近似真实后验 $p(w_s | y_s)$
• 最大化证据下界（ELBO）：

$$\mathcal{L} = \mathbb{E}_q[\log p(y_s | w_s)] - \text{KL}(q(w_s) \| p(w_s))$$

示例

简单案例：两种细胞类型的混合

假设一个 spot 包含肿瘤细胞和基质细胞，我们有以下简化数据：

参考表达谱（仅考虑 3 个 marker 基因）：

基因	肿瘤细胞	基质细胞
EPCAM	5.0	0.1
VIM	0.2	4.0
MKI67	3.0	0.5

观测到的 spot 表达（经过标准化）：

基因	观测值
EPCAM	2.5
VIM	2.0
MKI67	1.5

求解：

设肿瘤细胞比例为 $w_1$，基质细胞为 $w_2 = 1 - w_1$：

$$\begin{cases} 2.5 \approx 5.0 w_1 + 0.1 w_2 \\ 2.0 \approx 0.2 w_1 + 4.0 w_2 \\ 1.5 \approx 3.0 w_1 + 0.5 w_2 \end{cases}$$

使用 NNLS 求解得：$w_1 \approx 0.52$，$w_2 \approx 0.48$

解释：该 spot 约含 52% 肿瘤细胞和 48% 基质细胞，符合肿瘤-边界区域的预期。

复杂度与适用前提

计算复杂度

工具	时间复杂度	空间复杂度	适用规模
SPOTlight (NMF)	$O(GKS \cdot I)$	$O(GK + GS)$	中等规模（<10k spots）
RCTD	$O(GKS \cdot I)$	$O(GK + GS)$	中等规模
cell2location	$O(GKS \cdot I \cdot V)$	$O(GK + GS + KV)$	大规模（需 GPU 加速）

注：$I$ 为迭代次数，$V$ 为变分推断的采样数。

适用前提与潜在陷阱

前提假设	潜在问题	应对策略
参考包含所有细胞类型	缺失细胞类型会被错误分配	先进行无监督聚类检测 novel types
参考表达与空间表达可比	技术平台差异	标准化、批次校正、平台效应建模
线性混合假设成立	细胞间相互作用改变表达	考虑邻域效应建模
spot 覆盖区域细胞均匀	细胞大小差异导致偏差	使用细胞体积加权模型

与真实工具或流程的连接

标准分析流程中的位置

scRNA-seq 参考数据
    ↓
聚类注释 → 构建参考表达谱
    ↓
空间数据预处理（质控、标准化）
    ↓
去卷积算法
    ├─ RCTD（推荐用于 10x Visium）
    ├─ cell2location（推荐用于多切片分析）
    ├─ SPOTlight（快速初步分析）
    └─ Tangram（需要单细胞级映射时）
    ↓
细胞类型比例矩阵
    ↓
可视化（空间热图）+ 下游分析（邻域富集、微环境聚类）

工具选择决策

场景	推荐工具	理由
单样本、快速分析	SPOTlight	无需 GPU，运行快
多切片、批次复杂	cell2location	显式建模批次效应
需要不确定性估计	RCTD / cell2location	提供置信区间
需要单细胞级映射	Tangram	输出单细胞空间坐标
稀有细胞类型	cell2location	对低丰度细胞更敏感

结果如何解释

正确解读比例

去卷积输出的是相对贡献估计，而非精确细胞数：

• 比例形式：spot A = T cell 0.4 + macrophage 0.3 + stromal 0.3
• 解释：该 spot 的表达信号约 40% 来自 T 细胞，30% 来自巨噬细胞，30% 来自基质细胞
• 不等于：该 spot 有 4 个 T 细胞、3 个巨噬细胞、3 个基质细胞

不确定性评估

贝叶斯方法（cell2location、RCTD）提供比例的后验分布：

• 检查 $w_k$ 的置信区间宽度
• 宽区间表示该 spot 的细胞类型组成难以确定（可能是参考中缺失的类型）

生物学解释要点

• 边界区域：通常显示混合比例（如肿瘤-基质界面）
• 富集区域：某些区域可能由单一类型主导（如淋巴滤泡）
• 异常模式：纯肿瘤区域内出现免疫细胞比例，可能提示浸润

常见误区

• "去卷积比例就是精确细胞数"
• "参考 scRNA-seq 数据集越大越好"
• "每个 spot 应该有清晰的主导细胞类型"
• "去卷积可以检测参考中没有的细胞类型"
• "去卷积结果与组织图像不一致就是错误"

参考资料

• Cable et al., 2022. Robust decomposition of cell type mixtures in spatial transcriptomics. Nature Biotechnology (RCTD)
• Kleshchevnikov et al., 2022. Cell2location maps fine-grained cell types in spatial transcriptomics. Nature Biotechnology
• Andersson & Lundeberg, 2021. SPOTlight: seeded NMF regression to deconvolute spatial transcriptomics spots. Bioinformatics
• Biancalani et al., 2021. Deep learning and alignment of spatially resolved single-cell transcriptomes with Tangram. Nature Methods
• Arnold et al., 2023. Spatial deconvolution of HER2-positive breast cancer delineates tumor-associated cell type interactions. Nature Communications

空间转录组总览

理解空间数据的产生与技术背景

延伸阅读

spot 与单细胞

理解为什么要进行去卷积

延伸阅读

单细胞组学

构建去卷积所需的参考图谱

延伸阅读

联合 NMF

NMF 去卷积的数学原理

延伸阅读