當前用於推斷細胞—細胞相互作用（cell-cell interactions, CCIs）的方法，在很大程度上受限於預定義的配體—受體數據庫，尤其是在諸如 Visium 這類低分辨率空間轉錄組學（spatial transcriptomics, ST）平台中更是如此。由於在較粗空間分辨率下難以準確解析發生相互作用的細胞，其他相互作用模式常常被忽視。
然而，低分辨率 ST 數據可作為高分辨率 ST 的一種替代方案，後者受限於靈敏度較低；同時，低分辨率 ST 數據也可替代基於成像的 ST，後者又受限於基因檢測面板有限。在此，我們提出 CellNeighborEX v2，這是一種無需數據庫的框架，通過在 spot—群體水平檢測觀測基因表達與期望基因表達之間的偏差，直接從 ST 數據中推斷與 CCI 相關的基因。這些偏差通過一種結合置換檢驗的混合統計框架進行嚴格評估，並進一步結合相互作用細胞類型對的丰度進行優化。
與其他依賴配體—受體數據庫的傳統方法相比，CellNeighborEX v2 能夠從廣泛類型的相互作用中捕獲 CCI 基因，包括旁分泌信號傳導和接觸依賴性通信。基於來自海馬、肝癌、結直腸癌、卵巢癌和淋巴結感染的數據集，CellNeighborEX v2 準確重現了先前已鑑定的 CCIs。值得注意的是，它還能夠獨特地檢測出現有配體—受體數據庫中缺失的相互作用，從而實現基於 Visium 數據對情境特異性 CCIs 的檢測。
CellNeighborEX v2 是一種可擴展 Visium 數據分析範圍並加深我們對細胞間通信分子語言理解的工具。
作者已就本研究中所述算法提交了專利申請。
感謝您有興趣幫助傳播 bioRxiv 的資訊。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.08.723913v1?rss=1
🏷️ 空間轉錄組學 細胞-細胞相互作用 基因推斷 數據庫無關方法 統計建模