《Advanced Science》：S3RL: Enhancing Spatial Single-Cell Transcriptomics With Separable Representation Learning
编辑推荐：
本文提出S3RL（可分离空间单细胞转录组表征学习）框架，通过整合基因表达、空间坐标和组织学图像特征，利用可分离表征学习和超球面原型聚类技术，显著提升空间转录组数据的信噪比与空间结构解析能力。该框架在多种组织（人、鼠、植物）和数据平台（10X Visium、Nanostring CosMx等）上实现了空间聚类精度（ARI）最高170%的提升，精准识别肿瘤免疫互作、配体-受体信号梯度等关键生物学模式，为组织发育和疾病机制研究提供了新工具。
2.1 S3RL方法概述
S3RL框架设计用于解决空间转录组学数据稀疏性和技术噪音的挑战。其核心流程包含三个模块：首先通过对比学习（SimCLR）从组织学图像中提取高级语义特征；其次构建带符号边图（正边连接功能相似点位，负边分离转录特征差异大的邻近点位）；最后在超球面流形上进行表征学习和聚类，将点位嵌入映射到均匀分布的原型点，确保潜在空间中不同细胞类型形成清晰边界。该端到端框架支持空间域识别、细胞类型反卷积、轨迹推断等多类下游分析。
2.2 人前额叶皮层空间聚类增强层状结构识别
在DLPFC数据集（12个切片）上，S3RL的平均调整兰德指数（ARI）达0.65，较基线方法提升26.8%。其重建数据显著锐化了皮质层标志基因（如PAQR6、MOBP）的表达边界，并通过轨迹分析揭示了层间生物连续性。消融实验验证了视觉语义特征的空间正则化作用（避免“椒盐状”碎片化聚类）和动态原型更新机制对潜在空间可分离性的贡献。
2.4 S3RL提升纳米字符串肺切片细胞类型聚类与基因表达分辨力
在20例肺癌切片中，S3RL平均ARI达0.7274，较最佳基线（Seurat）提升82.4%。重建数据清晰呈现EPCAM（上皮细胞标志）、DCN（肿瘤抑制因子）等基因的空间梯度，并通过TCGA批量RNA-seq相关性验证（14/20切片相关性提升）。基因共表达网络分析显示，S3RL特异性增强ANXA1–FPR1（肿瘤免疫逃逸）和OSM–LIFR（STAT3通路激活）等肺癌相关配体-受体对信号。
2.5 脑与肺组织空间基因表达及细胞通讯解析
在DLPFC切片中，S3RL增强数据揭示小胶质细胞标志基因Cst3在斑块邻近区域表达上调（p=4.2×10?3），而中间神经元Gna14表达下调（p=4.6×10?3）。CellChat分析显示Notch通路（DLL4-NOTCH4）和FGF信号在重建数据中通讯强度显著提升。在肺癌数据中，INSR、FGFR1等基因的肿瘤区域特异性表达模式更清晰，助力肿瘤-免疫相互作用解析。
2.7 神经与肿瘤组织空间架构解析
在小鼠脑前区、人乳腺癌等多组织验证中，S3RL均保持最优聚类性能（雷达图显示ARI全面领先）。在植物组织（大豆子叶）分析中，通过CARD反卷积识别出SC血管薄壁细胞特异性表达模块，富集到半纤维素代谢等通路，并结合PlantRegMap发现HD-ZIP、NAC等转录因子家族调控网络，证实框架跨物种适用性。
2.8 人肺癌功能景观与调控轨迹重建
基于10X Visium人肺癌数据，S3RL重建的组织结构精准匹配肿瘤细胞、巨噬细胞等空间分布。功能模块分析将空间可变基因分为三类：Metagene1（上皮-间质转化/缺氧相关）、Metagene2（免疫浸润区）、Metagene3（细胞周期/代谢重编程）。伪时间轨迹分析显示，增强数据中COL1A2–ITGA3（ECM重塑）、SPP1–ITGB4（肿瘤迁移）等基因对的时序协调性显著提升。
2.9 淀粉样斑块周边空间表达模式揭示
在小鼠海马体STARmap-PLUS数据中，S3RL重建数据清晰呈现小胶质细胞在斑块邻近区域的趋化聚集（p<0.01），而中间神经元远端分布。基因距离相关性分析发现Cd86（r=?0.466）、Trem2（r=?0.424）等免疫活化标志与斑块距离负相关，凸显神经-免疫互作的空间极化特征。
3-4 讨论与方法
S3RL通过多模态信息融合与可分离表征学习，克服了现有方法依赖物理邻近性、潜在空间簇间重叠度高等局限。其超球面聚类约束与动态原型更新机制，在保持计算效率（单切片约20秒）的同时，为组织空间生物学提供了高精度、可解释的分析工具。未来可扩展至多组学数据整合与单细胞RNA-seq联合建模，进一步深化对复杂微环境的解析能力。
