組織的細(xì)胞架構(gòu) —— 即不同細(xì)胞類型在空間中的組織方式 —— 是細(xì)胞間通訊、器官功能和病理學(xué)的基礎(chǔ)。近年來，新興的空間轉(zhuǎn)錄組學(xué)（ Spatial Transcriptomics ， ST ）技術(shù)為在原位繪制精細(xì)粒度的轉(zhuǎn)錄細(xì)胞類型圖譜提供了重要機(jī)遇，例如在人類肺組織中可以鑒定多達(dá) 80 種細(xì)胞類型。然而，現(xiàn)有的 ST 技術(shù)由于成本高昂且通量有限，難以大規(guī)模應(yīng)用于臨床樣本；而傳統(tǒng)的數(shù)字病理學(xué)方法通常只能識別 2–4 種粗粒度的細(xì)胞類型，對于深入分析組織微環(huán)境提供的信息十分有限。因此，人們迫切需要一種低成本且可擴(kuò)展的方法，能夠直接從常規(guī)的組織病理學(xué)圖像中解析精細(xì)粒度的細(xì)胞組成。

圖 1 Hist2Cell 工作流程及下游應(yīng)用概覽

近日，香港大學(xué)計算與數(shù)據(jù)科學(xué)學(xué)院 余樂全 教授團(tuán)隊和生物醫(yī)學(xué)學(xué)院 黃元華 教授團(tuán)隊在Cell Genomics期刊在線發(fā)表了題為 Hist2Cell: Deciphering fine-grained cellular architectures from histology images 的研究論文。該研究提出了Hist2Cell——一種視覺圖-Transformer框架，能夠直接從蘇木精-伊紅（ H&E ）染色的組織病理學(xué)圖像中準(zhǔn)確解析精細(xì)粒度的轉(zhuǎn)錄細(xì)胞類型（多達(dá) 80 種），實現(xiàn)可擴(kuò)展的超分辨率細(xì)胞圖譜繪制與精準(zhǔn)癌癥預(yù)后。

圖 2 Hist2Cell 論文

技術(shù)路線

Hist2Cell 的核心創(chuàng)新在于提出了一種 “ 一階段 ” 預(yù)測框架。與以往方法需要對每個新樣本從空間轉(zhuǎn)錄組數(shù)據(jù)中進(jìn)行參考依賴的估算不同， Hist2Cell 將該問題重新定義為監(jiān)督學(xué)習(xí)任務(wù)：首先利用 Cell2location 算法從空間轉(zhuǎn)錄組數(shù)據(jù)中獲得高質(zhì)量的細(xì)胞豐度標(biāo)注作為訓(xùn)練標(biāo)簽，然后訓(xùn)練模型直接從 H&E 圖像預(yù)測細(xì)胞類型豐度，將預(yù)測過程與分子數(shù)據(jù)解耦。

圖3 Hist2Cell模型架構(gòu)

在模型架構(gòu)設(shè)計上， Hist2Cell 采用了圖 -Transformer （ Graph-Transformer ）架構(gòu)，將全切片圖像（ WSI ）建模為空間圖，每個 spot 作為節(jié)點、空間鄰近關(guān)系作為邊。模型通過從 WSI 中隨機(jī)采樣局部子圖作為訓(xùn)練輸入，利用圖注意力層（ Graph Attention layers ）學(xué)習(xí) spot 與空間鄰居之間的局部上下文關(guān)系，同時通過 Transformer 層建模遠(yuǎn)程相關(guān)性，最終融合多尺度特征進(jìn)行精細(xì)粒度的細(xì)胞豐度預(yù)測。這種設(shè)計使 Hist2Cell 同時兼具局部方法和全局方法的優(yōu)勢，避免了各自的局限性。

研究團(tuán)隊首先在健康人肺數(shù)據(jù)集上驗證了 Hist2Cell 的有效性。該數(shù)據(jù)集來自 4 位供體的 5 個從近端到遠(yuǎn)端的位置，包含 11 張 H&E 染色組織切片、共 20,770 個 spots 和 80 種精細(xì)粒度轉(zhuǎn)錄細(xì)胞類型。通過 “ 留一供體交叉驗證 ” 的方式， Hist2Cell 展現(xiàn)出顯著優(yōu)于已有方法（ STNet 、 DeepSpaCE 、 Hist2ST 和 THItoGene ）的細(xì)胞類型豐度預(yù)測性能，平均 Pearson 相關(guān)系數(shù)為 0.31 ，相比最佳基線方法提升了約 50% 。特別值得一提的是， Hist2Cell 在多個關(guān)鍵細(xì)胞類型上表現(xiàn)尤為突出，如纖毛細(xì)胞（ Pearson R = 0.79 ）、 CD4+ 效應(yīng)記憶 T 細(xì)胞（ Pearson R = 0.68 ）和 CD8 EM 細(xì)胞（ Pearson R = 0.68 ），這些細(xì)胞類型在人類氣道系統(tǒng)中發(fā)揮著關(guān)鍵的免疫和穩(wěn)態(tài)功能。此外， Hist2Cell 還能夠準(zhǔn)確捕獲細(xì)胞類型之間的共定位模式。以 SpatialDM 中的雙變量 Moran's R 統(tǒng)計量衡量， Hist2Cell 在余弦相似度和相關(guān)性兩個指標(biāo)上均顯著優(yōu)于對比方法。例如， Hist2Cell 成功識別了 IgA 漿細(xì)胞與粘膜下腺（ SMG ）之間的共定位關(guān)系，而這正是原始研究中的一項重大發(fā)現(xiàn)。

進(jìn)一步地，通過將Hist2Cell的預(yù)測結(jié)果與原始研究中病理學(xué)家的手動注釋進(jìn)行對比，研究團(tuán)隊發(fā)現(xiàn)Hist2Cell預(yù)測的細(xì)胞類型能夠準(zhǔn)確對應(yīng)其已知的解剖學(xué)位置：纖毛上皮細(xì)胞定位于氣道腔內(nèi)、基底細(xì)胞圍繞其周圍、I型和II型肺泡細(xì)胞（AT1和AT2）分布于肺實質(zhì)區(qū)域、軟骨細(xì)胞則定位于軟骨組織中。此外，Hist2Cell還準(zhǔn)確定位了一類富集于氣道的成纖維細(xì)胞亞群——支氣管周圍成纖維細(xì)胞（PB-fibro），將其精確地映射到氣道上皮周圍區(qū)域，而PB-fibro已被認(rèn)為是肺部疾病中的關(guān)鍵細(xì)胞類型，這也驗證了Hist2Cell在臨床研究中的應(yīng)用價值。

為了評估泛化能力，研究團(tuán)隊在 her2st 乳腺癌數(shù)據(jù)集（ 8 位患者、 36 個切片）上訓(xùn)練 Hist2Cell ，然后 不經(jīng)任何重新訓(xùn)練或微調(diào) ，直接應(yīng)用于來自不同實驗室的 STNet 乳腺癌數(shù)據(jù)集（ 23 位患者、 69 個切片）。在該外部數(shù)據(jù)集上， Hist2Cell 對全部 39 種細(xì)胞類型的預(yù)測均呈正相關(guān)，平均 Pearson 相關(guān)系數(shù)為 0.29 （最佳基線方法僅為 0.19 ），其中乳腺導(dǎo)管上皮細(xì)胞（ Pearson R = 0.87 ）和成纖維細(xì)胞（ Pearson R = 0.71 ）等關(guān)鍵細(xì)胞類型表現(xiàn)尤為突出。這表明 Hist2Cell 具有強大的跨數(shù)據(jù)集泛化能力，能夠克服不同實驗室間的批次效應(yīng)和技術(shù)差異。同時，該團(tuán)隊還將驗證擴(kuò)展到了一種完全不同的組織類型 —— 人類皮膚組織（炎癥性皮膚病）， Hist2Cell 在該數(shù)據(jù)上取得了 0.67 的平均 Pearson R ，顯著優(yōu)于所有基線方法，進(jìn)一步證實了框架的魯棒性。

得益于出色的泛化性能， Hist2Cell 被直接應(yīng)用于 565 例 TCGA 乳腺癌樣本的 H&E 切片（無需重新訓(xùn)練），實現(xiàn)了大規(guī)模隊列的共識細(xì)胞分析。盡管 TCGA 切片來自不同機(jī)構(gòu)、采用不同掃描設(shè)備，且僅有 bulk RNA-seq 數(shù)據(jù)（而非來自同一組織的空間轉(zhuǎn)錄組數(shù)據(jù)）， Hist2Cell 的預(yù)測結(jié)果與 26/39 種細(xì)胞類型呈正相關(guān)，其中 13 種達(dá)到統(tǒng)計顯著性。通過聚合數(shù)百名患者的細(xì)胞架構(gòu)信息， Hist2Cell 釋放了大規(guī)模公共 H&E 隊列的巨大潛力，能夠為研究者提供當(dāng)前 ST 技術(shù)因成本限制而無法規(guī)?；瘜崿F(xiàn)的共識性生物學(xué)分析。

更為重要的是，該團(tuán)隊驗證了 Hist2Cell 在精準(zhǔn)癌癥預(yù)后方面的應(yīng)用價值。在肺鱗狀細(xì)胞癌（ LUSC ）、三陰性乳腺癌（ BRCA-TNBC ）和 HER2 陽性乳腺癌（ BRCA-HER2+ ）三種癌癥亞型的生存風(fēng)險預(yù)測任務(wù)中，基于 Hist2Cell 預(yù)測的細(xì)胞豐度訓(xùn)練的 Cox 回歸模型在所有三種癌癥中均優(yōu)于此前先進(jìn)的病理學(xué)模型 HIPT—— 特別是在 BRCA-HER2+ 中 C-index 提高了約 10% 。值得注意的是， Hist2Cell 僅在 114 張乳腺癌切片和 34 張肺癌切片上訓(xùn)練，遠(yuǎn)少于 HIPT 所需的 10,000 張 WSI 。更令人振奮的是， Hist2Cell 的表現(xiàn)甚至可與昂貴的 bulk RNA-seq 相媲美，在 BRCA-TNBC 上 C-index 還超出了 4% 。這表明 Hist2Cell 有望作為一種低成本替代方案，在真實臨床場景中輔助癌癥預(yù)后評估。此外，利用積分梯度（ Integrated Gradients ）方法， Hist2Cell 揭示了不同細(xì)胞群體與患者死亡風(fēng)險之間的關(guān)系，發(fā)現(xiàn) CD8 活化 T 細(xì)胞在 HER2+ 癌癥的長期生存分析中具有更強的效應(yīng)，為后續(xù)的癌癥研究提供了有價值的生物學(xué)見解。

Hist2Cell 還能夠生成超分辨率的精細(xì)粒度細(xì)胞圖譜。通過從更高分辨率的 spot 坐標(biāo)采樣子圖， Hist2Cell 可以通過兩種策略提供超分辨率細(xì)胞圖譜：一是從低分辨率細(xì)胞圖譜進(jìn)行插值微調(diào)，二是直接從 H&E 圖像預(yù)測。研究展示了高達(dá) 16 倍的超分辨率結(jié)果，分辨率接近單細(xì)胞水平，為理解復(fù)雜組織微環(huán)境中的精細(xì)細(xì)胞模式提供了前所未有的視角。

Hist2Cell 的推出證明了直接從組織病理學(xué)圖像預(yù)測轉(zhuǎn)錄水平的精細(xì)粒度細(xì)胞類型是可行的，且比預(yù)測單個基因表達(dá)更為準(zhǔn)確。 該框架為大規(guī)?？臻g生物學(xué)研究和精準(zhǔn)癌癥預(yù)后提供了一種低成本、可擴(kuò)展的解決方案。值得一提的是， Hist2Cell 的架構(gòu)設(shè)計具有天然的靈活性，將其圖像編碼器替換為最新的病理學(xué)基礎(chǔ)模型（ UNIv2 ）后，在所有測試數(shù)據(jù)集上獲得了顯著且一致的性能提升（如人肺數(shù)據(jù)集上平均相關(guān)性提高 16% ），展現(xiàn)了該框架隨計算病理學(xué)領(lǐng)域發(fā)展持續(xù)進(jìn)化的潛力。 Hist2Cell 有望在診斷和個體化醫(yī)學(xué)中發(fā)揮廣泛的應(yīng)用價值。

香港大學(xué)計算與數(shù)據(jù)科學(xué)學(xué)院 余樂全 教授和生物醫(yī)學(xué)學(xué)院 黃元華 教授為論文共同通訊作者，計算與數(shù)據(jù)科學(xué)學(xué)院博士 畢業(yè) 生 趙尉欽 為論文第一作者。

原文鏈接：https://doi.org/10.1016/j.xgen.2025.101137

制版人：十一

BioArt

Med

Plants

人才招聘

學(xué)術(shù)合作組織

（*排名不分先后）

轉(zhuǎn)載須知

【非原創(chuàng)文章】本文著作權(quán)歸文章作者所有，歡迎個人轉(zhuǎn)發(fā)分享，未經(jīng)作者的允許禁止轉(zhuǎn)載，作者擁有所有法定權(quán)利，違者必究。