Probabilistic Alignment of Spatial Transcriptomic Experiments for MALDI Imaging Serial Section Alignment

Význam tématu

Prostorové zobrazování molekul pomocí MALDI imagingu poskytuje detailní pohled na chemickou organizaci tkání. Zarovnání sérií tenkých řezů do trojrozměrného objemu zásadně zlepšuje schopnost interpretovat gradienty metabolitů a lipidů napříč hloubkou tkáně, odstraňuje artefakty vzniklé analýzou jednotlivých řezů a umožňuje přesnější mapování biologických struktur. Automatizované metody zarovnání navíc zvyšují reprodukovatelnost a umožňují integraci dat z různých přístrojových modalit (např. spojení s prostorovým transcriptomem), což otevírá nové možnosti ve výzkumu a průmyslové analýze.

Cíle a přehled studie / článku

Cílem popsané práce je představení rámce pro automatické probabilistické zarovnání sériových MALDI obrazů a následnou volumetrickou rekonstrukci tkáně. Autoři ukazují integraci algoritmu PASTE (Probabilistic Alignment of Spatial Transcriptomics Experiments) s nástroji SCiLS Lab a SCiLS API pro zpracování dat získaných standardními MALDI imaging experimenty bez nutnosti jejich modifikace. Výsledkem je možnost vizualizovat distribuci více analytů v 3D a kvantitativně hodnotit kvalitu zarovnání.

Použitá metodika a instrumentace

Metodika a postupy použité v práci:

• Příprava vzorku: myší mozkové tkáně krájené na 10 µm tenké řezy, thawmount na IntelliSlides.
• Pořízení dat: timsTOF fleX MALDI-2 vybavený microGRID a smartbeam 3D; akvizice rychlostí ~15 pixel/s (uvedeno) při prostorovém rozlišení 20 µm a m/z rozsahu 50–1000. Celkem bylo získáno 22 sériových řezů.
• Softwarové zpracování: segmentace v SCiLS Lab (bisecting k-means) využívající 24 metabolitových/lipidových rysů; přenos dat a intenzit přes SCiLS API do Python prostředí; implementace procesu zarovnání pomocí PASTE (optimal transport model).
• Zarovnání: dvoufázový přístup — nejprve prostorově heuristické shlukování založené pouze na xy souřadnicích pro hrubé srovnání řezů, poté jemná optimalizace pomocí PASTE, která využívá informaci o intenzitách metabolitů a lipidů k vytvoření optimálního transportního modelu.
• Vizualizace: voxelizace iontových obrazů a 3D překrytí vybraných analytů (příklad: askorbát, glutathion, LPE(18:1)); vyhodnocení posunů mezi řezy pomocí výpočtu inkrementálních posunů.

Použitá instrumentace

• timsTOF fleX MALDI-2 (Bruker) s microGRID a smartbeam 3D
• IntelliSlides (Bruker Daltonik) pro montáž řezů
• Softwarové nástroje: SCiLS Lab, SCiLS API, Python (výpočetní prostředí), PASTE algoritmus (Raphael group, Princeton)

Hlavní výsledky a diskuse

Shrnutí klíčových výsledků:

• Implementace workflow umožnila automatické zarovnání a volumetrickou rekonstrukci 22 sériových řezů bez nutnosti měnit standardní MALDI protokol. Tato kompatibilita znamená, že lze využít již existující sady dat.
• Ukázkové voxelizované obrazy pro askorbát, glutathion a LPE(18:1) demonstrovaly, jak lze třírozměrně sledovat distribuci různých molekul a jejich vzájemné prostorové souvislosti.
• Dvouetapový přístup (prostorová heuristika + optimal transport) stabilizoval struktury mezi řezy a poskytl spolehlivější zarovnání než samotné xy-porovnání. Grafy inkrementálních posunů ukázaly kontinuální vzory posunů napříč řezy, s větším skokem mezi některými po sobě jdoucími slajdy (např. mezi Slide 1 a Slide 2), což může odrážet artefakty řezu nebo variace v montáži.
• Metoda umožnila kvantitativní a vizuální posouzení kvality zarovnání a umožnila integrovat různé molekulární kanály pro simultánní zobrazení.

Diskuse: použitý přístup kombinuje prostorovou informaci a intenzitní signatury, což je klíčové pro robustní rekonstrukci, zejména v přítomnosti drobných morphologických variací mezi řezy. Automatizace přes SCiLS API zároveň zjednodušuje průchod dat mezi komerčním softwarem a custom skripty v Pythonu.

Přínosy a praktické využití metody

Praktické přínosy projektu:

• Možnost vytvořit 3D obrazy molekulárních distribucí bez nutnosti zásahu do stávajících experimentálních protokolů.
• Zvýšení biologické relevance interpretací — identifikace prostorových gradientů a vztahů mezi vrstvami tkáně, které nejsou patrné z analýzy jednotlivých řezů.
• Usnadnění multimodální integrace (např. prostorový transcriptom, histologie nebo jiné zobrazovací modality), čímž se rozšiřuje informační obsah datových sad.
• Automatizace a opakovatelnost workflow vhodná pro výzkumné i QA/QC aplikace v laboratorních a průmyslových prostředích.

Budoucí trendy a možnosti využití

Očekávané směry rozvoje a aplikace:

• Hlubší multimodální integrace: kombinace MALDI 3D rekonstrukcí s prostorovým transcriptomem, imunohistochemií nebo zobrazováním tkáňové morfologie pro komplexní biologické modely.
• Vylepšení algoritmů: integrace pokročilých strojových učení pro robustnější detekci korelací mezi řezami, adaptivní modely optimal transportu a zvýšení odolnosti vůči produktovým artefaktům.
• Škálovatelnost: zpracování větších objemů tkáně, akcelerace výpočtů (GPU) a real‑time nebo semi‑real‑time pipeline pro rychlejší zpětnou vazbu v experimentu.
• Standardizace datových formátů a rozhraní API pro snazší sdílení a re‑analýzu mezi laboratořemi a platformami.

Závěr

Prezentovaný rámec propojuje PASTE algoritmus s prostředím SCiLS Lab a SCiLS API, což umožňuje automatizované a probabilistické zarovnání sériových MALDI obrazů a jejich následnou volumetrickou rekonstrukci. Metoda byla úspěšně demonstrována na 22 řezech myšího mozku, přináší možnost vizualizovat 3D distribuce vybraných analytů a poskytuje robustní nástroj pro interpretaci prostorových molekulárních vzorců bez nutnosti úprav experimentálního nastavení. Tento přístup otevírá cestu k širšímu využití multimodálních analýz a ke komplexnějším biologickým závěrům založeným na prostorových datech.

Reference

1. Tao N., Easterling M., Castro D. C. Probabilistic Alignment of Spatial Transcriptomic Experiments for MALDI Imaging. Bruker Scientific LLC application note, 2026.
2. PASTE algorithm, Raphael Group, Department of Computer Science, Princeton University. Popis algoritmu: Probabilistic Alignment of Spatial Transcriptomics Experiments (PASTE).